MétaCan
Menu
Retour à la cohorte
Enregistrement W2980846281 · doi:10.2308/accr-52612

The Interaction of Perceived Subjectivity and Pay Transparency on Professional Judgment in a Profit Pool Setting: The Case of Large Law Firms

2019· article· en· W2980846281 sur OpenAlexaffabout
Khim Kelly, Ronit Dinovitzer, Hugh Gunz, Sally Gunz

Notice bibliographique

RevueThe Accounting Review · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLaw, Economics, and Judicial Systems
Établissements canadiensUniversity of WaterlooUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTransparency (behavior)SubjectivityConfidentialityBusinessProfit (economics)LawPsychologyAccountingEconomicsMicroeconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This paper examines how the interaction of perceived subjectivity and pay transparency in profit allocation is associated with an important aspect of law partners' professional judgment, namely their tendency to accede to the wishes of their client and fellow partner (labeled hereafter as partner accedence). Based on interviews with 56 corporate law partners working in large Canadian law firms, we find higher partner accedence in a less subjective system than in a more subjective system, but only under no pay transparency. We find that pay transparency (versus no transparency) is associated with increased accedence in a more subjective system, but it is marginally associated with decreased accedence in a less subjective system. In an experiment where we randomly assign MTurk participants to conditions, we replicate the finding that pay transparency (versus no transparency) has a more positive effect on partner accedence as subjectivity level increases. Data Availability: Lawyers participated in the study upon which this paper is based only after signing agreements that strict confidentiality of all data would be maintained by the researchers. As such, we are bound by these confidentiality agreements with individual lawyers interviewed for the study. Experiment data from Amazon Mechanical Turk are available from the authors. JEL Classifications: M12; M40; M52.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,336
Score d'incertitude au seuil0,417

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,025
Tête enseignante GPT0,268
Écart entre enseignants0,243 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations17
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Accounting ReviewMême sujetLaw, Economics, and Judicial SystemsTravaux en français237 207