MétaCan
Menu
Retour à la cohorte
Enregistrement W4285218571 · doi:10.3982/ecta18137

Randomize at Your Own Risk: On the Observability of Ambiguity Aversion

2022· article· en· W4285218571 sur OpenAlexafffund
Aurélien Baillon, Yoram Halevy, Chen Li

Notice bibliographique

RevueEconometrica · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesErasmus Research Institute of ManagementSocial Sciences and Humanities Research Council of CanadaNederlandse Organisatie voor Wetenschappelijk OnderzoekErasmus Universiteit Rotterdam
Mots-clésAmbiguityAmbiguity aversionObservabilityIncentiveRisk aversion (psychology)EconometricsIsolation (microbiology)Incentive compatibilityEconomicsHedgeExpected utility hypothesisMicroeconomicsMathematical economicsComputer scienceMathematicsApplied mathematics

Résumé

récupéré en direct d'OpenAlex

Facing several decisions, people may consider each one in isolation or integrate them into a single optimization problem. Isolation and integration may yield different choices, for instance, if uncertainty is involved, and only one randomly selected decision is implemented. We investigate whether the random incentive system in experiments that measure ambiguity aversion provides a hedge against ambiguity, making ambiguity‐averse subjects who integrate behave as if they were ambiguity neutral. Our results suggest that about half of the ambiguity averse subjects integrated their choices in the experiment into a single problem, whereas the other half isolated. Our design further enables us to disentangle properties of the integrating subjects' preferences over compound objects induced by the random incentive system and the choice problems in the experiment.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,051
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,051
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,003
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,286
Tête enseignante GPT0,378
Écart entre enseignants0,091 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations30
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEconometricaMême sujetDecision-Making and Behavioral EconomicsTravaux en français237 207