MétaCan
Menu
Retour à la cohorte
Enregistrement W4407630891 · doi:10.1016/j.obhdp.2025.104391

The motivating power of streaks: Increasing persistence is as easy as 1, 2, 3

2025· article· en· W4407630891 sur OpenAlexaff
Katie S. Mehr, Jackie Silverman, Marissa Sharif, Alixandra Barasch, Katherine L. Milkman

Notice bibliographique

RevueOrganizational Behavior and Human Decision Processes · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueSports Analytics and Performance
Établissements canadiensUniversity of Alberta
Organismes subventionnairesWharton School, University of Pennsylvania
Mots-clésPersistence (discontinuity)PsychologyPower (physics)Cognitive psychologySocial psychologyEngineering

Résumé

récupéré en direct d'OpenAlex

• We examine streak incentives, or payments that increase for consecutive work tasks. • Streak incentives increase persistence more than larger, stable incentives. • This is driven by an increase in commitment to a goal of maximizing earnings. • Our work suggests that streak incentives can be a cost-effective motivational tool. Organizations often use financial incentives to boost employees’ commitment to work-relevant goals in an effort to increase persistence and goal achievement (e.g., to improve organizational efficiency or sales). We introduce and test a novel incentive scheme designed to enhance persistence by increasing commitment to the goal of maximizing earnings. Specifically, we test “streak incentives,” or rewards that offer people increasing payouts for completing multiple consecutive work tasks. Across six pre-registered studies (total N = 4,493), we show that, contrary to standard economic models suggesting people will complete more piece-rate work for larger rewards, people actually complete more work when compensated with streak incentives than with larger, stable incentives. We theorize that this occurs because, by encouraging consecutive task completion, streak incentives increase commitment to a goal of maximizing earnings, which in turn increases persistence. We also show that this effect is not driven by providing increasing rewards; rather, people’s goal commitment and motivation are boosted by the requirement that they complete work tasks consecutively to earn escalating payments. Taken together, our results suggest that designing incentives to encourage streaks of work is a low-cost way to increase goal commitment and therefore persistence in organizations and other contexts.

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)0,048
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,048
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,004
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,020
Tête enseignante GPT0,260
Écart entre enseignants0,239 · 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

Citations7
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrganizational Behavior and Human Decision ProcessesMême sujetSports Analytics and PerformanceTravaux en français237 207