MétaCan
Menu
Retour à la cohorte
Enregistrement W3123006309

Psychological Incentives, Financial Incentives, and Risk Attitudes in Tournaments: An Artefactual Field Experiment

2015· article· en· W3123006309 sur OpenAlexaff
Jim Engle‐Warnick, Tony Fang, Fei Song

Notice bibliographique

RevueEconstor (Econstor) · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensYork UniversityToronto Metropolitan UniversityMcGill UniversityUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésIncentiveField (mathematics)FinanceBusinessPsychologyActuarial scienceEconomicsMicroeconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Tournaments are widely used to assign bonuses and determine promotions because of the link between relative performance and rewards. However, performing relatively well (poorly) may also yield psychological benefits (pain). This may also stimulate effort. Through a real-effort artefactual field experiment with factory workers and university students as a comparison group in China, we examine how both psychological and financial incentives, together with attitudes toward risk, may influence motivation and performance. We provided performance-ranking information both privately and publicly, with and without rank-based financial incentives. Our results show that performance-ranking information had a significant motivational effect on average performance for students, but not for that of workers. Adding financial incentives based on rank provided little evidence of further improvement. Much of the difference between workers and students can be explained by differences in attitudes toward risk. Indeed, for both groups financial and psychological incentive effects are both inversely related to individual levels of risk aversion, and are positive and significant both for workers and for students who are sufficiently risk-tolerant.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,035
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
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 Opus0,048
Tête enseignante GPT0,355
Écart entre enseignants0,307 · 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'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

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconstor (Econstor)Même sujetExperimental Behavioral Economics StudiesTravaux en français237 207