Hold Me Accountable: Anonymity and Prosocial Behavior in Services
Notice bibliographique
Résumé
Problem definition: Many services rely on the prosocial behavior of consumers that benefits the wider community for effective delivery, such as bike-sharing schemes, self-service checkouts in grocery stores, and pathology screening services, yet there are frequent challenges in motivating honest, cooperative user behavior in these services. We build on existing research to argue that the degree of anonymity of users toward the service provider can be used to facilitate their prosocial behavior. Anonymity has two effects: It removes the ability of individuals to build a public reputation as someone who is prosocial, but it also removes accountability to others. Although studies have examined the effect of reputational motivation, studies of the effect of accountability on prosocial behavior have been limited to laboratory and online settings, where accountability, mostly toward their peers or to a “higher power,” only benefited other participants. Thus, little is known about how accountability toward the service provider can affect prosocial behavior that benefits the wider public. Methodology/results: We investigate this context with a unique proprietary data set from a pooled asymptomatic pathological screening program. We find that increasing anonymity by removing names from test kits distributed by the service provider decreased voluntary participation by 22%. Social pressures in larger groups partially substituted for the reduced accountability from removing names, providing an insight that can help mitigate reduced accountability in settings where anonymity is preferred. Managerial implications: For managers, we emphasize the value of accountability to the service provider as a motive for prosocial behaviors such as honesty and cooperation. For policymakers, we provide insight into designing healthcare screening and public interaction services. Funding: This work was supported, in part, by the Tulane Supporting Impactful Publications Program. Supplemental Material: The online appendices are available at https://doi.org/10.1287/msom.2023.0667 .
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,011 |
| Communication savante | 0,005 | 0,010 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».