Notice bibliographique
Résumé
This research examines the “ultimatum game” studied in Experimental Economics. The game goes as follows: a proposer has to split $20 between himself and a responder. After the money is divided, the responder then either accepts or rejects the offer. Accept would results in the money being split according to the proposer’s offer while reject results in $0 for both players. According to mainstream economics’ assumption of self-interest maximization, the responder would accept any amount of money offered by the proposer because anything is better than $0. Meanwhile, the proposer, knowing this, would offer the responder the lowest possible amount. However, results from the experiment shows that most responders rejected low offers and most proposers offer much more than the lowest possible amount. By studying several versions of the ultimatum game and conducting primary research, 5 different variables other than the ratio to which the total sum of money is divided were identified to affect outcome. These are: anonymousness, fear of rejection, perception of the roles, ownership of the money, and total sum of money. Then based on the observations, a graphical model was created that described how the 5 factors affect the game outcome. The implications of this research is that decision making models in economics has to be made more valid by accounting for more qualitative factors such as the ones in this experiment. Only when those factors are accounted for as part of the calculation of utility/satisfaction could the assumption of maximizing self-interest be made.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».