MétaCan
Menu
Retour à la cohorte
Enregistrement W2927601509 · doi:10.1017/s1930297500006604

Why choose wisely if you have already paid? Sunk costs elicit stochastic dominance violations

2018· article· en· W2927601509 sur OpenAlexaff
Ryan K. Jessup, Lily Assaad, Katherine Wick

Notice bibliographique

RevueJudgment and Decision Making · 2018
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensTrinity College
Organismes subventionnairesnon disponible
Mots-clésSunk costsStochastic dominanceEconomicsIrrational numberDominance (genetics)Status quoMicroeconomicsEconometricsProspect theoryExpected utility hypothesisMathematical economicsMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Sunk costs have been known to elicit violations of expected utility theory, in particular, the independence or cancellation axiom. Separately, violations of the stochastic dominance principle have been demonstrated in various settings despite the fact that descriptive models of choice favored in economics deem such violations irrational. However, it is currently unknown whether sunk costs also yield stochastic dominance violations. In two studies using a tri-colored roulette wheel choice task with non-equiprobable events yet equal payoffs, we observed that those who had sunk costs selected a stochastically dominated option significantly more than did those who had no costs. Moreover, a second study revealed that people chose a stochastically dominated option significantly more when the expected value was low compared to high. A model comparison of psychological explanations demonstrated that theories that incorporate a reference shift of the status quo could predict these sunk cost-based violations of stochastic dominance whereas other models could not.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,024
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,087
Tête enseignante GPT0,387
Écart entre enseignants0,301 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJudgment and Decision MakingMême sujetDecision-Making and Behavioral EconomicsTravaux en français237 207