Corruption and Turnout in Presidential Elections: A Macro‐Level Quantitative Analysis
Notice bibliographique
Résumé
This article tests the impact of corruption on electoral turnout for over 200 elections from over 70 presidential systems conducted between 1990 and 2011. Differentiating among three corruption indicators (i.e., the International Country Risk Guide corruption indicator, the Transparency International Corruption Perceptions Index, and the World Bank Control of Corruption measure), I evaluate corruption's precise impact on electoral participation in a pooled time series framework. Controlling for compulsory voting, semi‐presidentialism, regime type, development, political culture, the closeness of the election, and state size, my results are nuanced. I find that corruption more narrowly defined as political corruption stifles turnout, whereas a rather broad definition of corruption, which includes societal and financial corruption, has no impact on macro‐level turnout. Finally, I discover that the interactive impact of corruption on other variables in the turnout function is rather limited. Related Articles Kostadinova , Tatiana 2009 . “.” Politics & Policy 37 (): 691 ‐ 714 . http://onlinelibrary.wiley.com/doi/10.1111/j.1747‐1346.2009.00194.x/abstract Caillier , James . 2010 . “.” Politics & Policy 38 (): 1015 ‐ 1035 . http://onlinelibrary.wiley.com/doi/10.1111/j.1747‐1346.2010.00267.x/abstract Lagunes , Paul F. 2012 . “.” Politics & Policy 40 (): 802 ‐ 826 . http://onlinelibrary.wiley.com/doi/10.1111/j.1747‐1346.2012.00384.x/abstract
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».