MétaCan
Menu
Retour à la cohorte
Enregistrement W4416598531 · doi:10.1017/bpp.2025.10008

Nudging and boosting reasonable use of public products: two experiments from China

2025· article· en· W4416598531 sur OpenAlexaff
Shuwei Zhang, Zibing Zhang, Shuang Li

Notice bibliographique

RevueBehavioural Public Policy · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensInstitute on Governance
Organismes subventionnairesInstitute of Psychology, Chinese Academy of SciencesNational Natural Science Foundation of ChinaSun Yat-sen UniversityFundamental Research Funds for the Central UniversitiesChinese Academy of SciencesNational Office for Philosophy and Social Sciences
Mots-clésBoosting (machine learning)ReplicateCorporate governanceNudge theoryDefaultChoice architecture

Résumé

récupéré en direct d'OpenAlex

Abstract Behavioral instruments have unique advantages in certain governance contexts for the reasonable use of public products. Drawing on bounded rationality, we compare two major behavioral instruments – nudging and boosting – and experimentally test their effectiveness in promoting reasonable use of public products. We select the default option (nudging) and future orientation (boosting) as specific instruments. In Study 1, we conduct a laboratory experiment and find that (1) both the default option and future orientation reduce free electricity usage; (2) the immediate effect of the default option is greater than that of future orientation, but its delayed effect is smaller; and (3) the combination strategy is more effective than any single intervention. In Study 2, we conduct a field experiment targeting reasonable use of public toilet paper and basically replicate the results of the laboratory experiment. These findings reinforce our confidence in the effectiveness of nudging and boosting and suggest the possibility of bridging behavioral science with governance theory.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,280
Score d'incertitude au seuil0,970

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
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 Opus0,137
Tête enseignante GPT0,382
Écart entre enseignants0,245 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBehavioural Public PolicyMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207