Bonus culture: Competitive pay, screening, and multitasking. Working paper 18936
Notice bibliographique
Résumé
Econometric Society Winter Meetings for helpful comments. Both authors gratefully acknowledge …nancial support from the ERC programme grant FP7/2007-2013 No. 249429, “Cognition and Decision-Making: Laws, Norms and Contracts”. Bénabou also gratefully acknowledges support from the Canadian Institute This paper analyzes the impact of labor market competition and skill-biased technical change on the structure of compensation. The model combines multitasking and screening, embedded into a Hotelling-like framework. Competition for the most talented workers leads to an escalating reliance on performance pay and other high-powered incentives, thereby shifting e¤ort away from less easily contractible tasks such as long-term investments, risk management and within-…rm cooperation. Under perfect competition, the resulting e ¢ ciency loss can be much larger than that imposed by a single …rm or principal, who distorts incentives downward in order to extract rents. More generally, as declining market frictions lead employers to compete more aggressively, the monopsonistic underincentivization of low-skill agents …rst decreases, then gives way to a growing overincentivization of high-skill ones. Aggregate welfare is thus hill-shaped with respect to the competitiveness of the labor market, while inequality tends to rise monotonically. Bonus caps and income taxes can help
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,003 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».