MétaCan
Menu
Retour à la cohorte
Enregistrement W7116733824 · doi:10.1177/23727322251408076

Adapting Interventions to Culture Can Improve Effectiveness and Cost-Efficiency

2025· article· en· W7116733824 sur OpenAlexaff
Thomas Talhelm

Notice bibliographique

RevuePolicy Insights from the Behavioral and Brain Sciences · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueCultural Differences and Values
Établissements canadiensBooth University College
Organismes subventionnairesnon disponible
Mots-clésNudge theoryPsychological interventionIncentiveWork (physics)Power (physics)Theme (computing)

Résumé

récupéré en direct d'OpenAlex

The last few decades have seen ambitious new mega-studies testing ways to change people's behavior for good. Studies with thousands of participants have tested the effectiveness of financial incentives and psychological nudges to encourage people to get vaccinated, go to the gym, and work harder. The emerging theme across these studies is that money tends to work better than nudges. Yet most of this research has been done in Western cultures. This paper reviews studies testing interventions outside of the West. Those studies often find that the power of money is smaller, with psychological nudges sometimes more cost-efficient than financial incentives. What's more, the messages that come with interventions tend to be more effective outside of Western cultures if they emphasize interdependence and connection to other people. In sum, new evidence is suggesting policymakers should be careful about exporting the lessons from mega-studies done in the West to cultures outside the West (and even groups within Western countries with different cultural norms, such as middle class versus working class Americans). Instead, new studies are pointing to ways to deliver interventions more effectively in non-Western cultures.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,871
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
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 Opus0,159
Tête enseignante GPT0,462
Écart entre enseignants0,303 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolicy Insights from the Behavioral and Brain SciencesMême sujetCultural Differences and ValuesTravaux en français237 207