MétaCan
Menu
Retour à la cohorte
Enregistrement W4392694235 · doi:10.2308/bria-2022-056

Strategic Bias in Team Members’ Communication about Relative Contributions: The Effects of Voluntary Communication and Explanation

2024· article· en· W4392694235 sur OpenAlexaff
L. L. Berger, Lan Guo, Kelsey Matthews, Christopher Wong

Notice bibliographique

RevueBehavioral Research in Accounting · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueTeam Dynamics and Performance
Établissements canadiensUniversity of WaterlooWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésTurnoverStrategic communicationVoluntary disclosureBusinessCheap talkPsychologySocial psychologyAccountingPublic relationsEconomicsMicroeconomicsPolitical scienceManagement

Résumé

récupéré en direct d'OpenAlex

ABSTRACT One significant challenge of motivating team performance is that the contribution of individual team members is difficult to observe. In this setting, managers often seek private information about team members’ relative contributions to help allocate team bonuses. However, the presence of self-interested biases in such communication, especially strategic bias, could reduce its informational value. We study the effects of two features of team members’ communication about their relative contributions—whether it is mandatory or voluntary and whether an explanation is required—on the severity of employees’ self-interested biases in their communication. As predicted, experimental results show that when explanations are not required, low-ability team members incorporate more strategic bias into their relative contribution communication when it is voluntary, compared to mandatory. We also observe that among low-ability team members, the greater strategic bias observed when the relative contribution communication is voluntary, compared to mandatory, diminishes when an explanation is required. Data Availability: Data are available from the authors upon request.

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)0,012
score de la tête « metaresearch » (Gemma)0,142
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,012
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,142
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,175
Tête enseignante GPT0,487
Écart entre enseignants0,312 · 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'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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBehavioral Research in AccountingMême sujetTeam Dynamics and PerformanceTravaux en français237 207