A meta-analytic cognitive framework of nudge and sludge
Notice bibliographique
Résumé
Abstract Public and private institutions worldwide have gained considerable traction in developing interventions to alter people’s behaviors in predictable ways without limiting the freedom of choice or significantly changing the incentive structure. A nudge is designed to facilitate actions by minimizing friction, while a sludge is an intervention that inhibits actions by increasing friction. While the terms nudge and sludge have garnered significant attention, the underlying cognitive mechanisms behind these interventions remain largely unknown. Here, we develop a novel cognitive framework by organizing these interventions along six cognitive processes: attention, perception, memory, effort, intrinsic motivation, and extrinsic motivation. In addition, we conduct a meta-analysis of field experiments (i.e., randomized controlled trials) that contained real behavioral measures (n = 188 papers, k = 188 observations, N = 2,209,334 participants) from 2008 to 2021 to examine the effect size of these interventions targeting each cognitive process. Our findings demonstrate that interventions that change effort are more effective than interventions that change intrinsic motivation to alter behaviors. Nudge and sludge interventions had similar effect sizes. This new meta-analytic framework provides cognitive principles for organizing nudge and sludge with corresponding behavioral impacts. The insights gained from this framework help inform the design and development of future interventions based on cognitive insights.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,252 | 0,404 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,038 |
| Bibliométrie | 0,023 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».