MétaCan
Menu
Retour à la cohorte
Enregistrement W4400270982 · doi:10.1016/j.jhealeco.2024.102914

Nudging the nudger: Performance feedback and organ donor registrations

2024· article· en· W4400270982 sur OpenAlexaffabout
Julian House, Nicola Lacetera, Mario Macis, Nina Mažar

Notice bibliographique

RevueJournal of Health Economics · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueNonprofit Sector and Volunteering
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBenchmark (surveying)Agency (philosophy)Government (linguistics)Randomized controlled trialMedicineIntervention (counseling)Service (business)PsychologyBusinessNursingMarketingSurgery

Résumé

récupéré en direct d'OpenAlex

In a randomized controlled trial conducted in three waves over 2.5 years and involving nearly 700 customer-service representatives (CSRs) from a Canadian government service agency, we studied how providing CSRs with repeated performance feedback, with or without peer comparison, affected their subsequent organ donor registration rates. The feedback resulted in a 25 % increase in daily signups compared to otherwise equivalent encouragements and reminders. Adding benchmark information about peer performance did not amplify or diminish this effect. We observed increased registration rates for both high and low performers. A post-intervention survey indicates that CSRs in all conditions found the information included in the treatments helpful and motivating, and that signing up organ donors makes their job more meaningful. We also found suggestive evidence that performance feedback with benchmark information was the most motivating and created the least pressure to perform.

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)0,002
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 enseignants0,904
Score d'incertitude au seuil0,403

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
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 Opus0,037
Tête enseignante GPT0,321
Écart entre enseignants0,284 · 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Health EconomicsMême sujetNonprofit Sector and VolunteeringTravaux en français237 207