MétaCan
Menu
Retour à la cohorte
Enregistrement W3124091406 · doi:10.1111/1911-3846.12489

Controls and Cooperation in Interactive and Non‐Interactive Settings

2019· article· en· W3124091406 sur OpenAlexvenueno aff
Jace Garrett, Jeffrey A. Livingston, William B. Tayler, Nicole L. Cade, Sarah E. McVay

Notice bibliographique

RevueContemporary Accounting Research · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReciprocity (cultural anthropology)TeamworkControl (management)Work (physics)Task (project management)Social psychologyPsychologyComputer scienceEngineeringEconomicsManagement

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Prior research finds that controls that induce cooperation among collaborators on a project increase trust, and that this increased trust increases subsequent cooperation among collaborators. We extend this work by investigating how controls influence cooperative behavior in two settings. The first is an interactive setting where people work together and can benefit from each other's work. The second is a non‐interactive setting where people do not work together directly but where behavior can be observed. We propose that because controls are likely to engender greater trust and reciprocity in interactive settings than in non‐interactive settings, the effect of controls on future cooperative behavior will be greater for controls in interactive settings than for controls in non‐interactive settings. We find that controls in both settings increase future cooperative behavior, but the effect is significantly greater in interactive settings (where reciprocity and trust are more likely to develop). Furthermore, this increased cooperation is observed in an uncontrolled task, suggesting that the control fosters trust in others rather than trust in the control. These findings suggest that the benefits of controls are more substantial in work environments characterized by extensive teamwork and where employees benefit from each other's work.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,623
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
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 GPT0,405
Écart entre enseignants0,356 · 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'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

Citations21
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207