Communicating sentiment and outlook reverses inaction against collective risks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Collective risks permeate society, triggering social dilemmas in which working toward a common goal is impeded by selfish interests. One such dilemma is mitigating runaway climate change. To study the social aspects of climate-change mitigation, we organized an experimental game and asked volunteer groups of three different sizes to invest toward a common mitigation goal. If investments reached a preset target, volunteers would avoid all consequences and convert their remaining capital into monetary payouts. In the opposite case, however, volunteers would lose all their capital with 50% probability. The dilemma was, therefore, whether to invest one's own capital or wait for others to step in. We find that communicating sentiment and outlook helps to resolve the dilemma by a fundamental shift in investment patterns. Groups in which communication is allowed invest persistently and hardly ever give up, even when their current investment deficits are substantial. The improved investment patterns are robust to group size, although larger groups are harder to coordinate, as evidenced by their overall lower success frequencies. A clustering algorithm reveals three behavioral types and shows that communication reduces the abundance of the free-riding type. Climate-change mitigation, however, is achieved mainly by cooperator and altruist types stepping up and increasing contributions as the failure looms. Meanwhile, contributions from free riders remain flat throughout the game. This reveals that the mechanisms behind avoiding collective risks depend on an interaction between behavioral type, communication, and timing.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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