MétaCan
Menu
Retour à la cohorte
Enregistrement W4410360765 · doi:10.1287/mnsc.2023.01566

Incentivizing Mass Creativity: An Empirical Study of the Online Publishing Market

2025· article· en· W4410360765 sur OpenAlexaffabout
Xiaolin Li, Mengze Shi, Clarice Zhao

Notice bibliographique

RevueManagement Science · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésCreativityPublishingEmpirical researchBusinessAdvertisingMarketingEconomicsPsychologyPolitical scienceSocial psychologyMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

This study examines the effects of incentive plans on the quantity and quality of creative production. We examine a serial publishing platform that switched from a uniform commission (UC) plan to a quantity-based commission (QBC) plan offering a bonus commission rate when writers’ production meets a preset threshold. Our analysis reveals that, for a given book, chapters published in the months when writers reached the preset threshold quantity, and thus earned bonus commission rates, exhibited higher quality, as measured by the chapter-to-chapter customer retention rate. Such a positive correlation was nonsignificant for books published under the UC plan. We interpret that the implementation of a QBC plan enhanced the complementarity between quantity and quality in the writers’ payoff function. Further empirical analysis shows that this effect persisted over time. Moreover, the degree of enhanced complementarity was lower for writers who earned commissions from multiple books. Our key result remains robust when measuring quality by reader comments sentiment. Overall, the findings underscore the critical role of well-designed incentives in enhancing the platform’s effectiveness in managing mass creativity. This paper was accepted by Raphael Thomadsen, marketing. Funding: This work was supported by the London School of Economics and Political Science [Internal Research Fund, Department of Management], the Hong Kong University of Science and Technology [Yuk-Shee Chan Professorship Fund], the Rotman School of Management, University of Toronto [China Research Initiative Grant], and McGill University [Desautels Faculty of Management Research Support F]. X. Li thanks LSE Department of Management for internal research fund support. M. Shi thanks HKUST Yuk-Shee Chan Professorship Fund and China Research Initiative Grant by Rotman School of Management, University of Toronto. C. Zhao thanks Desautels Faculty of Management Research Support Fund, McGill University. Supplemental Material: The data files are available at https://doi.org/10.1287/mnsc.2023.01566 .

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)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,409
Score d'incertitude au seuil0,867

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,038
Tête enseignante GPT0,369
Écart entre enseignants0,331 · 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'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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueManagement ScienceMême sujetDigital Marketing and Social MediaTravaux en français237 207