MétaCan
Menu
Retour à la cohorte
Enregistrement W2036322068 · doi:10.1016/j.soscij.2009.02.002

Economic decline and voter discontent

2009· article· en· W2036322068 sur OpenAlexaffabout
Andrea M. L. Perrella

Notice bibliographique

RevueThe Social Science Journal · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueElectoral Systems and Political Participation
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésMainstreamVotingOpposition (politics)Political economyRestructuringPoliticsPopularityEconomic restructuringPolitical scienceEconomicsDevelopment economicsEconomic growthLaw

Résumé

récupéré en direct d'OpenAlex

Standard economic voting research is too narrowly focused on how economic changes affect the popularity of the governing incumbents, especially with respect to the mainstream opposition party. This approach cannot easily interpret voting behavior as an expression of system wide support. The article seeks to fill this void by using the case of Canada to analyze how long-term economic decline affects election behavior. In particular, the relative success of non-mainstream parties in recent Canadian elections is shown to be connected, at least in part, to long-term economic decline. This is particularly true of those who have borne the brunt of the economic restructuring that has taken place since the 1970s, namely, working-class individuals who lack post-secondary education. Although economic conditions of this group have always been precarious, it has suffered greater economic decline compared to others. This widening gap has led to more negative attitudes towards the political system, which in turn has increasingly led voters from this group to abandon Canada's two mainstream parties, the Liberal and Progressive Conservative, in favor of non-mainstream parties. Analysis is based on a pooled dataset that integrates economic and election survey data from the 1970s to the 1990s.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,216
Score d'incertitude au seuil0,429

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,055
Tête enseignante GPT0,400
Écart entre enseignants0,346 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Social Science JournalMême sujetElectoral Systems and Political ParticipationTravaux en français237 207