MétaCan
Menu
Retour à la cohorte
Enregistrement W3178139950 · doi:10.1371/journal.pone.0253938

A meta-analysis of financial self-control strategies: Comparing empirical findings with online media and lay person perspectives on what helps individuals curb spending and start saving

2021· review· en· W3178139950 sur OpenAlexafffund
Mariya Davydenko, Marta Kolbuszewska, Johanna Peetz

Notice bibliographique

RevuePLoS ONE · 2021
Typereview
Langueen
DomainePsychology
ThématiqueBehavioral Health and Interventions
Établissements canadiensCarleton University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésControl (management)Sample (material)Self-controlEmpirical researchMeta-analysisSample size determinationPsychologySocial psychologyEconomicsMedicineManagement

Résumé

récupéré en direct d'OpenAlex

Self-control can be assisted by using self-control strategies rather than relying solely on willpower to resist tempting situations and to make more goal-consistent decisions. To understand how self-control strategies can aid financial goals, we conducted a meta-analysis (Study 1) to aggregate the latest research on self-control strategies in the financial domain and to estimate their overall effectiveness for saving and spending outcomes. Across 29 studies and 12 different self-control strategies, strategies reduced spending and increased saving significantly with a medium effect size (d = 0.57). Proactive and reactive strategies were equally effective. We next examined whether these strategies studied in the academic literature were present in a media sample of websites (N = 104 websites with 852 strategies) and in individuals' personal experiences (N = 939 participants who listed 830 strategies). About half the strategies identified in the meta-analysis were present in the media sample and about half were listed by lay participants as strategies they personally use. In sum, this paper provides a comprehensive overview of the self-control strategies that have been studied in the empirical literature to date and of the strategies promoted in the media and used in daily life, identifying gaps between these perspectives.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,175
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0050,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,443
Tête enseignante GPT0,443
Écart entre enseignants0,001 · 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.

Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetBehavioral Health and InterventionsTravaux en français237 207