Notice bibliographique
Résumé
Principal-agent problems are pervasive in economic settings. CEOs and shareholders, lawyers and clients, manufacturers and retailers, lenders and borrowers are all examples of settings in which moral hazard problems might arise. Incentive contracts in both individual and team environments have been studied by economists (see Shavell, 1979, and Holmstrom, 1982, 1979, for seminal theoretical work; and, Prendergast, 1999, for a survey of empirical literature). Contracts that tie an agent's compensation to performance, such as conditional bonus schemes, have been proposed as a way to align the interests of agents and principals. Experimental literature from economics and social psychology suggests that the way choices are framed can affect decisions as well. Hence, contract frames might influence the effectiveness of incentive schemes. This comment first outlines seminal experimental studies on frames and describes recent work that relates the incentive contract literature with the experimental work on frames. Second, it discusses the experimental design and findings of Brooks, Stremitzer, and Tontrup's (2011) work on individual incentives and contract frames.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,013 |
| Communication savante | 0,004 | 0,012 |
| Science ouverte | 0,008 | 0,005 |
| Intégrité de la recherche | 0,038 | 0,029 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,010 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».