MétaCan
Menu
Retour à la cohorte
Enregistrement W3100863244 · doi:10.1038/s41598-020-76506-3

Defectors’ intolerance of others promotes cooperation in the repeated public goods game with opting out

2020· article· en· W3100863244 sur OpenAlexaff
Vlastimil Křivan, Ross Cressman

Notice bibliographique

RevueScientific Reports · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesHorizon 2020 Framework ProgrammeEuropean Commission
Mots-clésPublic goodOpting outPublic goods gameSocial dilemmaIntuitionMicroeconomicsHomogeneousSocial preferencesPreferenceSocial psychologyNash equilibriumEconomicsPsychologyMathematical economicsMathematics

Résumé

récupéré en direct d'OpenAlex

The theoretical and experimental research on opting out (also called conditional dissociation) in social dilemmas has concentrated on the effect this behavior has on the level of cooperation when used against defectors. The intuition behind this emphasis is based on the common property of social dilemmas that individuals are worse off the more their opponents defect. However, this article shows clearly that other opting out mechanisms are better at increasing cooperative behavior. In fact, by analyzing the stable Nash equilibria for the repeated multi-player public goods game with opting out, our results provide a strong argument that the best opting out rule is one whereby the only groups that voluntarily stay together between rounds are those that are homogeneous (i.e., those groups that are either all cooperators or all defectors), when these groups stay together for enough rounds. This outcome emerges when defectors are completely intolerant of individuals who cooperate (e.g., defectors exhibit xenophobic behavior toward cooperators) and so opt out whenever their group has a cooperator in it. The strong preference by defectors to be with like-minded individuals causes all heterogeneous groups to disband after one round.

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)0,002
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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,567
Score d'incertitude au seuil0,706

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
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 Opus0,068
Tête enseignante GPT0,319
Écart entre enseignants0,251 · 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'étudeQualitatif
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

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207