实施等级激励对医疗众包问诊绩效的影响研究

来源 :上海财经大学 | 被引量 : 0次 | 上传用户:asergh12
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在宏观政策和互联网技术的双重推动下,互联网医疗高速发展。众包模式已被逐渐应用于互联网医疗领域,其中医疗众包问诊对解决广大患者医疗健康问题具有深刻的社会意义。该平台提供了医患沟通的新模式,发包患者在平台进行远程健康问题咨询,多名接包医生回复给出健康管理方案和治疗意见,极大地满足了患者问诊需求。与其它众包平台一致,医疗众包问诊平台同样会采用多种激励机制提升用户参与绩效。现有的众包平台主要存在两种激励模式:无差别激励和等级激励。无差别激励即接包方可自由选择任意奖励金额的问题进行解答,每个接包方对问题的选择权力是平等无差别的。等级激励即依据接包方的等级不同其在平台拥有不同的接包权限,因而产生差异化的激励策略。医疗众包问诊在我国起步较晚,在该领域相关研究处于初期阶段,该平台上,激励模式改变对接包医生产生的影响尚不清楚。因此,本文聚焦于研究某医疗众包问诊平台上激励模式由无差别激励转变为等级激励对接包医生参与绩效的影响。该研究从三个维度衡量接包医生的参与绩效,分别为:接包医生回复数量、回复质量和情感支持。首先,基于动机理论、激励理论和期望理论,本文分别讨论了实施等级激励对接包医生回复数量、质量和情感支持的影响,提出三个假设。在此基础上,本文以某大型互联网医疗企业旗下的医疗众包问诊平台为研究对象和数据来源,利用数据处理和文本分析技术构建医生-月份面板数据集,使用随机效应模型验证假设,并利用多种方法进行鲁棒性检验,分别为:基于问题层面的分析、考虑COVID-19的影响、变换估计方法、变换时间周期、主变量的替代度量,以验证模型的稳定性。进一步地,本文还分析了接包医生等级对这一影响的调节效应。研究结果表明,实施等级激励负向影响接包医生的回复数量、回复质量和情感支持。这表明在其它条件不变的前提下,在医疗众包问诊平台实施等级激励会使接包医生的回复数量显著减少、回复质量和情感支持显著降低。进一步地,这一影响对不同等级的接包医生存在差异性:一是接包医生等级对回复数量具有正向的调节效应,实施等级激励对高等级接包医生的回复数量影响不大(相比低中等级接包医生);二是接包医生等级对于回复质量具有负向的调节效应,即实施等级激励对高等级接包医生的回复质量的负向影响更加强烈;三是接包医生等级对情感支持没有明显的调节作用,实施等级激励对不同等级接包医生情感支持的影响没有显现出明显的异质性。
其他文献
股市市场中,针对股市未来的走势进行预测是投资者关注的重点,这不仅有助于投资者分析市场环境,规避潜在风险,同时也有利于投资者在股市中优化投资策略,选择合适投资时机。对于我国A股市市场,最具有代表性的是常见的宽基指数,如HS300、中证500指数等。金融市场是一个复杂的系统,经济、政治、投资者情绪等众多因素关系复杂地影响着市场行情,所以金融市场的数据有如下特点,首先是低信噪比:金融市场的随机事件大,波
学位
加快建设以实体经济为支撑的现代化产业体系,是实现中国式现代化的根本支撑。目前中国产业体系现代化水平还不高,尚未构建起以实体经济为支撑的现代化产业体系,具体表现为:实体经济大而不强,产业体系的根基不牢;原始创新能力较为薄弱,产业体系的创新力不足;产业基础能力较弱,产业体系的控制力不强;产业链供应链现代化水平较低,产业体系的安全性不高。加快建设以实体经济为支撑的现代化产业体系的重点任务包括:推动产业转
期刊
在日常沟通中,当人们回答问题时,往往会有意识或无意识地利用自己掌握的常识知识或背景知识,而对于计算机而言,能够理解并利用自然文本中的这种常识知识是其能实现语义理解和高质量推理的基础。而当前领先的自然语言处理技术获得这种常识知识一般包括2种途径:一是基于在大型无标注文本上的预训练,使模型获得隐性的、不可解释的常识知识,并编码在模型参数中;二是通过明确的外部知识库,向模型进行知识增强,同时增强模型的可
学位
投资组合优化问题是金融投资理论中一个非常经典的问题。自Markowitz首次提出投资组合理论后,这一问题也受到了越来越多的关注。其中最具有代表性的模型就是Markowitz提出的均值方差模型,将投资组合的组合收益与从量化的角度刻画出投资者对于风险和收益的偏好。同时,为了满足投资者进行多阶段投资的需求,均值方差模型也被推广到了多阶段的形式,为投资者提供有效的投资策略。然而在实际的投资行为中,均值方差
学位
近些年来,互联网迅速发展,人们不受时间、地点的的限制可以快速地获取需要的信息和知识。随着新闻媒体以及传播手段的发展和普及,网络上产生了海量的文本数据,其中蕴含着丰富的信息。事件抽取作为自然语言处理领域中的研究重点,旨在从非结构化的信息中获取人们关注的内容。新闻文本是一种重要的信息资源,基于内容的新闻文本事件抽取能从大规模的新闻文本数据集中发现关联知识和关联规则,挖掘文本深层次的语义内涵,可应用于情
学位
2014年“11超日债”违约是我国首次债券实质性违约事件,由此,我国债券市场的刚性兑付被打破,尤其是2018年后债券频频“爆雷”,甚至出现了公司违约潮,这对我国债券市场乃至资本市场均形成了巨大的打击。近两年随着新冠疫情的传播,国内外的经济都遭受到了巨大的冲击,债券违约案例也居高不下,可见我国债券违约已然常态化。面对新的时代背景,对债券违约风险的研究也变得更加迫切。在样本选择方面,本文从Wind选取
学位
报纸
随着移动互联网的迅猛发展,人们能够很方便的通过手机获取各种资讯信息。但从海量的资讯信息中快速的找到用户感兴趣的内容十分困难,资讯推荐系统的存在就是帮助用户解决这一难题。资讯推荐是推荐场景中最有挑战性的课题,也是各大互联网平台争相研究的领域,只有准确的定位用户的偏好,推荐给用户感兴趣并且多元化、新颖性的资讯,提升用户的体验才能更好的在流量时代占据一席之地。而由于资讯推荐场景所存在的不同于其他场景的特
学位
报纸
近年来,全球气候变暖引起了世界范围内的重视,人们的关注点开始聚焦于人类活动导致的二氧化碳排放上来,其中主要表现为能源消费产生的碳排放。中国作为全世界碳排放量最大的国家,在全球碳减排行动上展现出大国担当,承诺“2030年前实现碳达峰,2060年前实现碳中和”。面对严峻的减排压力和经济高质量发展转型的阶段性目标,研究我国目前能源消费碳排放现状并积极探索符合我国国情的碳减排路径成为我国实现“双碳”目标的
学位