Piece-Rates, Principal-Agent, and Productivity Profiles: Parametric and Semi-Parametric Evidence
Bibliographic record
Abstract
Cette étude utilise le lien naturel qui existe entre les salaire observés et la productivité des travailleurs lorsque les travailleurs sont payés à la pièce afin d'estimer les profils de productivité des travailleurs. Quand les travailleurs sont payés à la pièce, les salaires observés sont une fonction des paramètres du système de compensation et du niveau d'effort des travailleurs. L'identification de la productivité des travailleurs nécessite la séparation de ces deux effets dans les données. Ceci peut être accompli en modélisant la relation principal-agent qui existe entre la firme et le travailleur tout en trouvant les règles de comportement optimal de l'effort du travailleur. Cette approche est appliquée à des données de salaires historiques, colligées à partir des archives d'une mine en Colombie-Britannique. Les aspects importants de la technologie de la mine sont incorporés dans le modèle, ie. l'asymétrie d'information qui existe entre la firme et les travailleurs, la production en équipe et les travailleurs hétérogènes. Le modèle est résolu pour le niveau d'effort du travailleur en équilibre. Celui-ci implique une distribution de salaires censorés qui est estimée de façon paramétrique et semi-paramétrique tout en contrôlant pour l'hétérogénéité inobservable des travailleurs. Les profils de productivité sont construits à partir des paramètres estimés. Les résultats suggèrent que les profils de productivité étaient des fonctions croissantes et concaves de l'ancienneté du travai
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.028 | 0.133 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.004 | 0.004 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.015 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".