MétaCan
Menu
Retour à la cohorte
Enregistrement W3123548321

Are You Paying Your Employees to Cheat? An Experimental Investigation

2008· preprint· en· W3123548321 sur OpenAlexfundaboutno aff
Charles Bram Cadsby, Fei Song, Francis Tapon

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2008
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésCheatingPiece workTask (project management)AnagramCompensation (psychology)IncentiveArgument (complex analysis)Contrast (vision)TournamentPsychologySocial psychologySalientComputer scienceMicroeconomicsEconomicsMathematicsArtificial intelligenceManagement
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Canada for generous research support through grants 410-2001-1590 and 410-2007-1380. We are also grateful to J. Atsu Amegashie, Jeremy Clark and Bradley Ruffle for very We compare misrepresentations of performance that occur under a target-based compensation system with those that occur both under a linear piece-rate and a tournament-based bonus setting by means of a controlled laboratory experiment with salient financial incentives. A widely used anagram word-creation game was employed as the experimental task. Results show that whether one considers the number of overclaimed words, the number of work/pay periods in which such over-claims occur, or the number of participants who make an over-claim at least once, target-based compensation produced more cheating than the other two systems. In particular, as argued by Michael Jensen (2003), linear piece-rates produce significantly less cheating than a target-based scheme. Moreover, a tournament scheme based on relative performance also results in significantly less cheating than a target-based one. In addition, as first demonstrated by Schweitzer et al. (2004), cheating is more likely under a target-based scheme the closer a participant is to the target. 1 How people make decisions involving compliance with ethical guidelines and regulations in organizational and social life has been an important focus of research in such diverse fields as philosophy, psychology, accounting, economics, and management. Prior work has identified a number of important factors that affect such compliance decisions by individuals (see Ford & Richardson, 1994; Loe, Farell, & Mansfield, 2000, for comprehensive reviews). These determinants include gender (Ambrose & Schminke,

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,036
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,002
Communication savante0,0030,002
Science ouverte0,0030,001
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0190,002

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 Opus0,157
Tête enseignante GPT0,424
Écart entre enseignants0,267 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207