La rémunération liée à la performance, la perception de l’équité et les efforts dans les tâches de gestion publique : un modèle d’encouragement parallèle
Bibliographic record
Abstract
Cette étude randomisée explore les mécanismes de causalité reliant la rémunération conditionnelle à la performance individuelle dans une série de tâches imitant des activités réelles de gestion publique. En utilisant un modèle d’encouragement parallèle en laboratoire, nous démêlons les effets globaux, directs et indirects en matière de performance de l’équité perçue ainsi que d’un système de rémunération qui reproduit les dispositions du système de mérite adopté par le gouvernement italien. L’effet global sur les performances de ce système de rémunération conditionnelle s’est avéré insignifiant lorsque l’on fait la moyenne des quatre tâches expérimentales. Toutefois, un effet significatif de la rémunération aux résultats a été identifié pour la tâche la plus routinière. De plus, nous avons observé une hétérogénéité dans l’effet du traitement en fonction de la position relative des participants dans le classement des performances. Dans l’ensemble, les données ne confirment pas l’existence d’un modèle de médiation reliant la rémunération conditionnelle à la performance à l’équité perçue. Remarque à l’intention des praticiens Les travailleurs ont tendance à considérer que la rémunération aux résultats est plus juste que l’égalité de rémunération. L’efficacité de la rémunération aux résultats semble être plus grande pour les tâches plus routinières. Les organisations publiques et leurs gestionnaires doivent être conscients que les effets de la rémunération aux résultats peuvent être imprévisibles car ils dépendent d’une multitude de facteurs.
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 | 0.009 | 0.036 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
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".