Bribery in the Workplace: A Field Experiment on the Threat of Making Group Behavior Visible
Notice bibliographique
Résumé
Can reputational threat among coworkers reduce bribery in organizations? I exploit within- and across-organizational variation in bribery to design and implement a field experiment in the maternity wards of five Moroccan public hospitals. I test whether threatening to reveal information about ward workers’ involvement in bribery to their coworkers dissuades them from taking bribes from patients. Healthcare workers cut back on taking bribes in higher-incidence maternity wards but not in lower-incidence wards. Qualitative data show that bribery’s baseline incidence sets the costs of revealing. Workers tolerate only so much bribery in their wards before they face the negative social consequences of belonging to a work group that takes bribes. They thus correct their behavior when it crosses a threshold. Moreover, ineffective applications of the field interventions betrayed welfare-diminishing effects. I furnish evidence for a novel kind of policy lever against workplace bribery and shed new light on the dynamics of bribery inside organizations. Funding: Funding from different programs at Stanford University—Stanford Interdisciplinary Graduate Fellowship, Abbasi Program for Islamic Studies Summer Research Grant, Graduate Research Opportunity Grant, Sociology Research Opportunity Grant, Stanford Center on Philanthropy and Civil Society Grant, Freeman Spogli Institute’s Mentored Global Research Fellowship, and Stanford Institute for Innovation and Entrepreneurship in Developing Economies Fellowship—are gratefully acknowledged. Supplemental Material: The online appendices are available at https://doi.org/10.1287/orsc.2021.15264 .
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».