MétaCan
Menu
Retour à la cohorte
Enregistrement W3167089307 · doi:10.1177/00222437211026337

Early Cost Realization and College Choice

2021· article· en· W3167089307 sur OpenAlexaff
Haewon Yoon, Yang Yang, Carey K. Morewedge

Notice bibliographique

RevueJournal of Marketing Research · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensQuest University Canada
Organismes subventionnairesnon disponible
Mots-clésEarningsStudent loanDebtGraduation (instrument)EconomicsRealization (probability)LoanPreferenceStudent debtActuarial scienceInvestment (military)Term (time)Time preferenceMicroeconomicsFinance

Résumé

récupéré en direct d'OpenAlex

Student loans defer the cost of college until after graduation, allowing many students access to higher lifetime earnings and colleges and universities they otherwise could not afford. Even with student loans, however, the authors find that students psychologically realize the financial costs of a college education long before their loan repayments begin. This early cost realization frames financial decisions between most pairs of colleges as an intertemporal trade-off. Students choose between investments with (1) smaller short-term costs but smaller long-term returns (a lower-cost, lower-return [LC-LR] college) and (2) larger short-term costs but larger long-term returns (a higher-cost, higher-return [HC-HR] college). The authors find that early cost realization increases preferences for LC-LR colleges—preferences that could reduce lifetime earnings—in both simulations and experiments. Preferences for LC-LR colleges are pronounced among financially impatient students and in choice pairs of LC-LR and HC-HR colleges where the equilibrium is set at a low-discount-rate threshold. A return-on-investment strategy, future uncertainty, and debt aversion cannot explain these results. A decision aid synchronizing the psychological realization of costs and benefits reduced preferences for LC-LR colleges, illustrating that the preference is constructed and receptive to interventions.

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)0,010
score de la tête « metaresearch » (Gemma)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,540

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,003
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 savante0,0000,000
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 Opus0,212
Tête enseignante GPT0,319
Écart entre enseignants0,107 · 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

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Marketing ResearchMême sujetEconomic and Environmental ValuationTravaux en français237 207