MétaCan
Menu
Retour à la cohorte
Enregistrement W4389703140 · doi:10.56734/ijbms.v4n12a4

Loss Aversion in Women’s Professional Golf: Results from the 2023 U.S. Open at Pebble Beach, California

2023· article· en· W4389703140 sur OpenAlexaff
Ed Bukszar

Notice bibliographique

RevueInternational Journal of Business & Management Studies · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueSports Analytics and Performance
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésLoss aversionPebblePsychologyCompetition (biology)Social psychologyEconomicsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

There have been three significant loss-aversion studies involving professional golfers; all focused exclusively on men. Each study found significant loss aversion in these real-world settings, in response to suggestions that loss aversion would disappear if the stakes were high enough and decision makers had a chance to learn from previous mistakes. Together, these three studies cast significant doubts on the validity of those caveats. But they also beg the question: How would results for professional women golfers compare? The current study focuses on loss aversion in women’s professional golf in what was the highest-staked competition in Ladies Professional Golf Association (LPGA) history: the 2023 U.S. Women’s Open at Pebble Beach, California. Results from that within-subject study, reported herein, show similar levels of loss aversion, and at a highly significant level. Implications are discussed.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,233
Score d'incertitude au seuil0,446

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 savante0,0000,000
Science ouverte0,0010,001
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 Opus0,055
Tête enseignante GPT0,292
Écart entre enseignants0,238 · 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'étudeSans objet
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 revueInternational Journal of Business & Management StudiesMême sujetSports Analytics and PerformanceTravaux en français237 207