MétaCan
Menu
Retour à la cohorte
Enregistrement W4319311206 · doi:10.1257/rct.10357-1.2

Third-Party Performance Pay to Improve Local Government Accountability: A Field Experiment in Burkina Faso

2022· dataset· en· W4319311206 sur OpenAlexaff
Malte Lierl, Marcus Holmlund

Notice bibliographique

RevueAEA Randomized Controlled Trials · 2022
Typedataset
Langueen
DomaineSocial Sciences
ThématiqueLocal Government Finance and Decentralization
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésAccountabilityGovernment (linguistics)Public administrationBusinessField (mathematics)Local governmentPolitical scienceLawMathematics

Résumé

récupéré en direct d'OpenAlex

Can local government accountability be improved by giving community-based organizations a financial stake in their local government's performance?In a field experiment in Burkina Faso, we test a "third-party performance pay" scheme for community-based organizations (CBOs).Selected CBOs are promised a variable cash grant that is proportional to changes in their local government's performance scores over a two-year period.We test if third-party performance pay (1) motivates CBOs to actively lobby for better municipal performance, (2) increases accountability and problem-awareness of municipal decision makers and (3) ultimately leads to improvements in municipal government performance.We also investigate if the incentive scheme had any unintended consequences for the internal functioning of the beneficiary CBOs.*Note to readers: This document is the unblinded replication of a results-blind analysis report that was previously uploaded to the AEA RCT registry.The blind analysis was conducted using datasets where all variables indicating treatment assignment or treatment status had been removed, masked, or replaced with simulated (randomly permuted) treatment identifiers.The original datasets were encrypted and safeguarded by research team members who are not authors of this study.During the blind analysis, we developed and refined our analytical framework, data cleaning and estimation strategies with knowledge of the data, but without knowledge of the actual results.Furthermore, we incorporated results-blind expert feedback from seminar presentations and recorded participants' expectations about the eventual, unblinded results via a prediction survey.

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)0,030
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,158

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,036
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,003
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,019
Tête enseignante GPT0,320
Écart entre enseignants0,301 · 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'étudeEssai randomisé
Domainenon disponible
GenreJeu de données

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

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAEA Randomized Controlled TrialsMême sujetLocal Government Finance and DecentralizationTravaux en français237 207