MétaCan
Menu
Retour à la cohorte
Enregistrement W4393091046 · doi:10.1111/jems.12590

Revenue drift, incentives, and effort allocation in social enterprises

2024· article· en· W4393091046 sur OpenAlexaff
Theodor Vladasel, Simon C. Parker, Randolph Sloof, Mirjam van Praag

Notice bibliographique

RevueJournal of Economics & Management Strategy · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensWestern University
Organismes subventionnairesVrije Universiteit AmsterdamAgencia Estatal de InvestigaciónCopenhagen Business SchoolYale University
Mots-clésIncentiveRevenueProsocial behaviorGuard (computer science)BusinessWorkforceIndustrial organizationMicroeconomicsLabour economicsFinanceMarketingEconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

Abstract Revenue drift, whereby insufficient attention is given to economic, relative to social, goals, threatens social enterprise performance and survival. We argue that financial incentives can address this problem by redirecting employee attention to commercial tasks and attracting workers less inclined to fixate on social tasks. In an online experiment with varying incentive levels, monetary rewards succeed in directing worker effort to commercial tasks; high‐powered incentives attract less prosocial employees, but low‐powered incentives do not alter workforce composition. Social enterprises combining monetary rewards with a social mission not only attract more workers but are also able to guard against revenue drift.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,599
Score d'incertitude au seuil0,406

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 Opus0,032
Tête enseignante GPT0,331
Écart entre enseignants0,298 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

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