MétaCan
Menu
Retour à la cohorte
Enregistrement W2107034118 · doi:10.1371/journal.pone.0109955

Cognitive Ability and the Demand for Redistribution

2014· article· en· W2107034118 sur OpenAlexaff
Johanna Möllerström, David Seim

Notice bibliographique

RevuePLoS ONE · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Policies and Impacts
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRedistribution (election)LuckCognitionDemographic economicsPsychologyPublic economicsSurvey data collectionPercentage pointEconomicsSocial psychologyPolitical scienceStatistics

Résumé

récupéré en direct d'OpenAlex

Empirical research suggests that the cognitively able are politically more influential than the less able, by being more likely to vote and to assume leadership positions. This study asks whether this pattern matters for public policy by investigating what role a person's cognitive ability plays in determining his preferences for redistribution of income among citizens in society. To answer this question, we use a unique Swedish data set that matches responses to a tailor-made questionnaire to administrative tax records and to military enlistment records for men, with the latter containing a measure of cognitive ability. On a scale of 0 to 100 percent redistribution, a one-standard-deviation increase in cognitive ability reduces the willingness to redistribute by 5 percentage points, or by the same amount as a $35,000 increase in mean annual income. We find support for two channels mediating this economically strong and statistically significant relation. First, higher ability is associated with higher income. Second, ability is positively correlated with the view that economic success is the result of effort, rather than luck. Both these factors are, in turn, related to lower demand for redistribution.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,061
Tête enseignante GPT0,220
Écart entre enseignants0,159 · 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

Citations43
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetEconomic Policies and ImpactsTravaux en français237 207