Professor Markus Dertwinkel-Kalt, Department of Economics, University of Miinster, Tyskland
Ledamöter i betygsnämnden
Professor Johan Stennek, Institutionen för ekonomi och samhälle, Handelshögskolan vid Göteborgs universitet
Dr. Anja Prummer, Department ofEconomics, Johannes Kepler University Linz, Österrike
Docent Erik Mohlin, Nationalekonomiska institutionen, Lunds universitet
Ordförande vid disputationen
Docent Dawei Fang, Institutionen för nationalekonomi med statistik, Handelshögskolan vid Göteborgs universitet.
Abstrakt
”Saliensbaserad stereotyputveckling”.
Jag föreslår en modell där en agent från en socialt dominerande grupp (exempelvis en etnisk majoritet) lär sig om den genomsnittliga produktiviteten hos en socialt dominerad grupp (exempelvis en etnisk minoritet) och sin egen grupp. Produktiviteten bestäms av en slumpmässig inneboende produktivitetsparameter och av utbildning. Agenten uppdaterar sina föreställningar och över- eller underdriver betydelsen av utbildning baserat på hur framträdande den verkar för honom inom en given grupp. Modellen kan ta hänsyn till flera ofta observerade mönster: i) agenten har ihållande negativa föreställningar om den dominerade gruppen, ii) han kommer att omfattas av inomgrupps-bias och vara överdrivet positiv till sin egen grupp, och iii) att lägga till en ny dominerad grupp kan förbättra agentens syn på den tidigare dominerade gruppen. Dessutom förutsäger den att iv) stereotyputveckling är särskilt extrem om agenten huvudsakligen lär sig av ”tokens”, då paradoxalt nog, agentens föreställningar blir mer negativ när hans gruppmedelvärde ökar, v) positiv särbehandling kan skada eller gynna den dominerade gruppen, och att vi) när det finns två dominerade grupper och positiv särbehandling enbart riktas mot en av dem, så skadas den andra alltid av det. Slutligen visar modellen en ny koppling mellan preferensbaserad, korrekt statistisk och felaktig statistisk diskriminering, varvid preferensbaserad eller korrekt statistisk diskriminering inom utbildning leder till felaktiga föreställningar, som sedan leder till felaktig statistisk diskriminering.
”Meritokrati i hierarkiska organisationer”
Konkurrensbaserade befordringsmekanismer betraktas ofta som meritokratiska eftersom de väljer ut talangfulla aktörer med hög sannolikhet. Vi visar att när befordringstävlingar tillämpas i hierarkiska organisationer så är detta inte nödvändigtvis fallet. Om organisationens mellannivå kan påverka karriärutvecklingen hos aktörer under dem kan de blockera befordran av talangfulla aktörer av rädsla för att det skulle kunna påverka deras egna karriärutsikter negativt. Modeller för befordran utan konkurrens som är senioritetsbaserade kan mildra detta problem. Vi identifierar dock en ny potentiellt problematisk avvägning: befordringsplanen som maximerar förväntad förmåga på mellanchefsnivå kanske inte maximerar den förväntade förmågan på den högsta nivån i hierarkin. Huruvida denna avvägning sker vid jämvikt beror helt på (1) den genomsnittliga förmågan i botten av hierarkin och (2) hur väl mellanchefer kan fastställa förmågan hos sina underordnade.
”Befordringar vid överdriven arbetsplatsövervakning”
När chefer utformar tävlingar där vinsten är en befordran är de kanske inte bara intresserade av att skapa incitament för hög ansträngning, utan också av att välja den medarbetare som har den bästa förmågan. I den här artikeln visar jag att tävlingar med mycket brus kan prestera bättre när det gäller denna målsättning än tävlingar utan brus. Medan brus i allmänhet förvränger korrelationen mellan produktion och förmåga så inducerar tävlingar utan brus blandade strategier som kan förvränga denna korrelation ännu mer. Jag visar vidare att den likformiga brusnivå som är optimal för att välja medarbetaren med högst förmåga sammanfaller med den brusnivå som maximerar (förväntad) total ansträngning. Min huvudsakliga tolkning är att överdriven arbetsplatsövervakning kan slå tillbaka (i) genom att hämma ett meritokratiskt urval och (ii) genom att sänka produktiviteten.