Economic Attitudes and Financial Decisions Among Welfare Recipients: Considerations for Workforce Policy
Notice bibliographique
Résumé
This study investigates economic decision-making behaviors among welfare recipients in Miami, Florida, by leveraging well-established experimental protocols: the Guessing Game, the Prudence Measurement Task, the Risk Aversion Task, and the Stag Hunt Game. For this purpose, our study defines financial decisions as the underlying individual preferences that serve as validated proxies for savings behavior, debt management, job-search intensity, and participation in cooperative finance. A central objective is to compare the behavior of welfare recipients to that of undergraduate students, a cohort typically used in experimental economics research. The analysis reveals significant differences between the two groups in strategic thinking and coordination, particularly across ethnic and gender lines. Non-Hispanic/Latino participants in Miami displayed significantly higher average guesses in the Guessing Game compared to their counterparts in Tucson, indicating potential discrepancies in the depth of strategic reasoning. Additionally, female participants in Tucson exhibited higher levels of coordination in the Stag Hunt Game compared to females in Miami, suggesting variance in cooperative behavior between these groups. Despite these findings, regression models demonstrate that location, gender, and ethnicity collectively account for only a small fraction of the observed variance, as evidenced by low R2 values and substantial mean squared errors across all games. These results suggest that individual heterogeneity, rather than broad demographic variables, may be more influential in shaping economic decisions. This study underscores the complexity of generalizing findings from traditional student samples to more diverse populations, highlighting the need for further investigation into the socioeconomic factors that drive financial decision-making.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».