La tasa promedio a la que los estadounidenses dan propinas por los servicios ha aumentado constantemente durante décadas, lo que crea una disparidad salarial creciente entre los trabajadores que reciben propinas y los que no reciben propinas. La práctica se ha calificado a lo largo de los años como líder clasista, anti-igualitario y francamente antidemocrático, líderalgunos restauradores lo abandonan. Un nuevo documento, que extrae información de dinámicas no lineales, espera arrojar luz sobre el mundo económicamente irracional de las propinas, demostrando que en cierto punto, prohibir la práctica podría ser justo y rentable.
Un equipo de investigadores presentó un modelo que describe el sistema dinámico no lineal que captura las relaciones entre los trabajadores de restaurantes con propinas, los que no reciben propinas y los clientes a medida que los propietarios de restaurantes cambian sus políticas de propinas. Como se informó recientemente en la revista Caos , de AIP Publishing, los investigadores utilizaron un enfoque de sistemas dinámicos y modelos numéricos para encontrar que, a ciertas tasas de propinas, un dueño racional de un restaurante sería prudente saber cuánto pueden dar propina los clientes y tal vez prohibirlo por completo.
"La propina siempre ha sido un tema muy controvertido, y últimamente ha sido un tema especialmente candente en las noticias", dijo Sara Clifton, autora del estudio en la Universidad de Illinois en Urbana-Champaign. "Me sorprendió que un modelo tan simple pudierareplicar lo que vemos cualitativamente en el mundo real "
Clifton y sus colegas emplearon un modelo de competencia de grupos sociales. Este enfoque se ha utilizado para describir cualquier cosa, desde la disminución de la afiliación religiosa hasta la prevalencia de zurdos. Los restaurantes hipotéticos se definieron como grupos sociales en los que interactuaban servidores, cocineros y clientes.A medida que se tomaron decisiones hipotéticas de gestión, los grupos sociales se adaptaron dinámicamente hasta equilibrarse.
Los cocineros, por ejemplo, prefieren trabajar en restaurantes con salarios más altos. Un aumento en la calidad de los alimentos atrae a más clientes, que están sopesando tanto la comida como el servicio. Esto hace que la demanda sea un servidor en aumento, siempre quelos salarios y las políticas de propinas son amigables para el personal de servicio. Si se prioriza el pago de los cocineros sobre el de los camareros, el mal servicio podría rechazar a los clientes.
El análisis global de sensibilidad e incertidumbre utilizando técnicas llamadas Latin Hypercube Sampling y Partial Rank Correlation Coefficients reveló que las distribuciones de equilibrio de los comensales y servidores dependen significativamente de las tasas de propinas y el pago de los empleados.
A medida que aumentan las tasas de propinas, el modelo del equipo predice que nos acercaremos a un umbral crítico en el que es más rentable para los restauradores abandonar las propinas en sus restaurantes.
El lugar donde se produce este umbral depende de una variedad de factores, incluidos los precios del menú y la relación entre comensales y servidores. Clifton informa que el modelo refleja los restaurantes del mundo real. Por ejemplo, señala la escasez de propinas en los restaurantes de comida rápidae intentos recientes de alto perfil para abandonar las propinas, solo para que luego se restablezcan.
"En última instancia, son los comensales los que deciden colectivamente la tasa crítica de propinas", dijo Clifton. "Los comensales están tomando las decisiones más complicadas en el sistema".
Si bien su modelo actual solo predice el final de las propinas a medida que aumentan las tasas de propinas, Clifton dijo que espera que el trabajo futuro y el acceso a datos confiables le permitan ofrecer respuestas sobre cómo los propietarios de restaurantes deben abordar este tema candente.
Fuente de la historia :
Materiales proporcionados por Instituto Americano de Física . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :