MétaCan
Menu
Retour à la cohorte
Enregistrement W3208397276 · doi:10.21203/rs.3.rs-1048207/v1

The globalizability of temporal discounting

2021· preprint· en· W3208397276 sur OpenAlexaff
Kai Ruggeri, Amma Panin, Milica Vdović, Bojana Većkalov, Nazeer Abdul-Salaam, Jascha Achterberg, Carla Akil, Jolly Amatya, Kanchan Amatya, Thomas Lind Andersen, Sibele D. Aquino, Arjoon Arunasalam, Sarah Ashcroft-Jones, Adrian Dahl Askelund, Nélida Ayacaxli, Aseman Bagheri Sheshdeh, Alexander Bailey, Paula Barea-Arroyo, Genaro Basulto Mejía, Martina Benvenuti, Mari Louise Berge, Aliya Bermaganbet, Katherine Bibilouri, Ludvig Daae Bjørndal, Sabrina Black, Johanna Blomster Lyshol, Tymofii Brik, Eike Kofi Buabang, Matthias Burghart, Aslı Bursalıoğlu, Naos Mesfin Buzayu, Martin Čadek, Nathalia Melo de Carvalho, Ana‐Maria Cazan, Melis Çetinçelik, Valentino Chai, Patricia Chen, Shiyi Chen, Georgia Clay, Simone D’Ambrogio, Kaja Damnjanović, Grace Duffy, Tatianna Dugué, Twinkle Dwarkanath, Esther Awazzi Envuladu, Nikola Erceg, Celia Esteban‐Serna, Eman Farahat, R.A. Farrokhnia, Mareyba Fawad, Muhammad Fedryansyah, David Feng, Silvia Filippi, Matías A. Fonollá, René Freichel, Lucía Freira, Maja Friedemann, Ziwei Gao, Suwen Ge, Sandra J. Geiger, Leya George, Iulia Grabovski, Aleksandra Gracheva, Anastasia Gracheva, Ali Hajian, Nida Hasan, Marlene Hecht, Xinyi Hong, Barbora Hubená, Alexander Gustav Fredriksen Ikonomeas, Sandra Ilić, David Izydorczyk, Lea Jakob, Margo Janssens, Hannes Jarke, Ondřej Kácha, Kalina Nikolova Kalinova, Forget Mingiri Kapingura, Ralitsa Karakasheva, David Oliver Kasdan, Emmanuel Kemel, Peggah Khorrami, Jakub M. Krawiec, Nato Lagidze, Aleksandra Lazarević, Aleksandra Lazić, Hyung Seo Lee, Žan Lep, Samuel Lins, Ingvild Sandø Lofthus, Lucía Macchia, Salomé Mamede, Metasebiya Ayele Mamo, Laura Maratkyzy, Silvana Mareva, Shivika Marwaha, Lucy McGill, Sharon McParland, Anișoara Melnic, Sebastian A. Meyer, Szymon Mizak, Amina Mohammed, Aizhan Mukhyshbayeva, Joaquín Navajas, Dragana Neshevska, Shehrbano Jamali Niazi, Ana Elsa Nieto, Franziska Nippold, Julia Marie Oberschulte, Thiago Otto, Riinu Pae, Tsvetelina Panchelieva, Sun Young Park, Daria Stefania Pascu, Irena Pavlović, Marija Petrović, Dora Popović, Gerhard M. Prinz, Nikolay R. Rachev, Pika Ranc, Josip Razum, Christina Eun Rho, Leonore Riitsalu, Federica Rocca, R. Shayna Rosenbaum, James Rujimora, Binahayati Rusyidi, Charlotte Rutherford, Rand Said, Inés Sanguino, Ahmet Kerem Sarikaya, Nicolas Say, Jakob Jakob, Mary Shiels, Yarden Shir, Elisabeth D. C. Sievert, Irina Soboleva, Tina Solomonia, Siddhant Soni, Irem Soysal, Federica Stablum, Felicia Sundström, Xintong Tang, Felice Tavera, Jacqueline Taylor, Anna‐Lena Tebbe, Katrine Krabbe Thommesen, Juliette Tobias‐Webb, Anna Louise Todsen, Filippo Toscano, Tran Tran, Jason Trinh, Alice Turati, Kohei Ueda, Martina Vacondio, Volodymyr Vakhitov, Adrianna J. Valencia, Chiara Van Reyn, Tina A.G. Venema, Sanne E. Verra, Jáchym Vintr, Marek Vranka, Lisa Wagner, Xue Wu, Ke Ying Xing, Kailin Xu, Sonya Xu, Yuki Yamada, Aleksandra Yosifova, Zorana Zupan, Eduardo García‐Garzón

Notice bibliographique

RevueResearch Square · 2021
Typepreprint
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensYork UniversityMcGill University
Organismes subventionnairesEconomic and Social Research Council
Mots-clésDiscountingEconomicsEconometricsFinance

Résumé

récupéré en direct d'OpenAlex

Abstract Economic inequality is associated with extreme preferences for smaller, immediate gains over larger, delayed ones. This pattern, known as temporal discounting, may feed into rising global inequality, yet it is unclear if it is a function of choice preferences or norms, or rather the absence of sufficient resources to meet immediate needs. It is also not clear if these reflect true differences in choice patterns between income groups. We tested temporal discounting and five intertemporal choice anomalies using local currencies and value standards in 61 countries. Across a diverse sample of 13,629 participants, we found highly consistent rates of choice anomalies. Individuals with lower incomes were not significantly different, but economic inequality and broader financial circumstances impact population choice patterns.

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)0,033
score de la tête « metaresearch » (Gemma)0,026
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Communication savante
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,784
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0330,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,000
Science ouverte0,0030,006
Intégrité de la recherche0,0000,001
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 Opus0,343
Tête enseignante GPT0,560
Écart entre enseignants0,217 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetDecision-Making and Behavioral EconomicsTravaux en français237 207