MétaCan
Menu
Retour à la cohorte
Enregistrement W4388768253 · doi:10.1111/jems.12566

Championing and shaming in a credence good market: Which one to use?

2023· article· en· W4388768253 sur OpenAlexaff
Alexandre Volle, Patrick González

Notice bibliographique

RevueJournal of Economics & Management Strategy · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensUniversité Laval
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésCredencePoolingSignaling gameMonopolyCredence goodQuality (philosophy)MicroeconomicsInformation asymmetryEconomicsProduct (mathematics)BusinessSet (abstract data type)Marketing

Résumé

récupéré en direct d'OpenAlex

Abstract We analyze the performance of the championing and shaming inquiries by a Nongovernmental Organization in a signaling game played by a monopoly that sells a credence good to an uninformed consumer. Championing (shaming) means certifying (uncovering) a firm that sells a high (low) quality product. An inquiry alters the whole information structure of the signaling game. It provides redundant hard information in a separating equilibrium but it lowers the set of separating prices. We show that a high‐quality producer and the consumers welcome this inquiry in a pooling equilibrium as it enhances their expected payoffs. They prefer a championing over a shaming inquiry when the likelihood of a high‐quality producer is low. A championing inquiry may lower the consumer's expected payoff if it is run before the monopoly sets its price since the consumer may prefer paying a low pooling price for a credence good rather than a high price for a certified high‐quality good.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,408
Score d'incertitude au seuil0,562

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,082
Tête enseignante GPT0,332
Écart entre enseignants0,250 · 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.

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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Economics & Management StrategyMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207