MétaCan
Menu
Retour à la cohorte
Enregistrement W3022346663 · doi:10.3386/w19660

Testing the Theory of Multitasking: Evidence from a Natural Field Experiment in Chinese Factories

2013· report· en· W3022346663 sur OpenAlexafffund
Fuhai Hong, Tanjim Hossain, John A. List, Migiwa Tanaka

Notice bibliographique

RevueNational Bureau of Economic Research · 2013
Typereport
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaShanghai University of Finance and Economics
Mots-clésHuman multitaskingNatural (archaeology)Natural experimentField (mathematics)Computer scienceEngineeringPsychologyCognitive psychologyGeographyStatisticsMathematicsArchaeology

Résumé

récupéré en direct d'OpenAlex

A well-recognized problem in the multitasking literature is that workers might substantially reduce their effort on tasks that produce unobservable outputs as they seek the salient rewards to observable outputs. Since the theory related to multitasking is decades ahead of the empirical evidence, the economic costs of standard incentive schemes under multitasking contexts remain largely unknown. This study provides empirical insights quantifying such effects using a field experiment in Chinese factories. Using more than 2200 data points across 126 workers, we find sharp evidence that workers do trade off the incented output (quantity) at the expense of the non-incented one (quality) as a result of a piece rate bonus scheme. Consistent with our theoretical model, treatment effects are much stronger for workers whose base salary structure is a flat wage compared to those under a piece rate base salary. While the incentives result in a large increase in quantity and a sharp decrease in quality for workers under a flat base salary, they result only in a small increase in quantity without affecting quality for workers under a piece rate base salary.

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)0,005
score de la tête « metaresearch » (Gemma)0,012
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,501
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,527
Tête enseignante GPT0,577
Écart entre enseignants0,050 · 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.

Devis d'étudeThéorique ou conceptuel
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

Citations6
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207