Le préfinancement augmente les dons
Les résultats montrent que les donateurs sont plus enclins à augmenter le montant de leur don lorsqu'ils s'engagent à le faire à une date ultérieure.
Contexte
Le biais d'engagement décrit la manière dont les personnes et les groupes sont disposés à soutenir leurs idées et décisions passées, même lorsque de nouvelles preuves ou de nouveaux événements rendent cette attitude irrationnelle. Ce biais est également connu sous le nom d'escalade de l'engagement ou d'erreur des coûts irrécupérables. Il a été initialement décrit par Barry M. Staw dans son article de 1976 intitulé "Knee deep in the big muddy : A study of escalating commitment to a chosen course of action".
Le biais d'engagement explique que nous avons tendance à être cohérents avec nos engagements, actions, pensées et dispositions antérieurs, même lorsque cela va à l'encontre de nos propres intérêts.
SOUHAITENT TRAVAILLER ENSEMBLE SUR UN PROBLÈME CONNEXE ?
Les interventions efficaces commencent par une compréhension nuancée de la manière dont les décisions sont prises. Notre mission est d'aider les grandes organisations à être meilleures et à faire mieux, en utilisant les sciences du comportement.
Sources
[1] The Behavioural Insights Team. (2017). The Behavioural Insights Team Update Report 2016-17. Retrieved from: https://38r8om2xjhhl25mw24492dir.wpengine.netdna-cdn.com/wp-content/uploads/2017/10/BIT_Update-16-17_E_.pdf
[2] R. B. Cialdini, A. Levy, C. P. Herman, L. T. Kozlowski & R. E. Petty. (1976). Elastic shifts of opinion: Determinants of direction and durability. Journal of Personality and Social Psychology, 34(4), 663-672. Retrieved from: https://dx.doi.org/10.1037/0022-3514.34.4.663
[3] J. Guszcza. (2015). The last-mile problem: How data science and behavioral science can work together. Deloitte Review, 16. Retrieved from: https://dupress.deloitte.com/dup-us-en/deloitte-review/issue-16/behavioral-economics-predictive-analytics.html
[4] M. Kosinski, D. Stillwel & T. Graepel. (2013). Private traits and attributes are predictable from digital records of human behavior. PNAS, 110(1), 5802-5805. Retrieved from: https://www.pnas.org/content/110/15/5802.full.pdf
[5] Y. Wang & M. Kosinski. (2017). Deep neural networks are more accurate than humans at detecting sexual orientation from facial images. Retrieved from: osf.io/zn79k
