Racial Cues and Attitudes toward Redistribution: A Comparative Experimental Approach
Notice bibliographique
Résumé
Support for welfare in the US is heavily influenced by citizens’ racial attitudes, especially citizens’ attitudes toward Blacks. Indeed, the fact that many Americans think of welfare recipients as poor Blacks (and especially poor Black women) is a common explanation for Americans’ comparatively low support for redistribution cross-nationally. In this study, we extend existing work on how racialized portrayals of recipients affect attitudes toward redistribution. The data for the analysis are drawn from a new and unique online survey experiment, implemented by YouGov with representative samples (n=1200) in each of the US, UK and Canada. Relying on a series of survey vignettes, we manipulate program type (welfare vs. unemployment insurance) as well as the ethno-racial background of recipients (through morphed photos and common ethnicized names). In doing so, we seek to make three specific contributions. First, we test whether support for a means-tested program like welfare is lower than support for contribution-based program like unemployment insurance. Second, we extend the American literature to explore whether there is an anti-Black bias in other countries. Third, we examine whether citizens respond to other minority groups (Asians and Southeast Asians) in a similar manner. Parallel survey designs allows for an unprecedented comparative analysis of the underlying political-psychological sources of support (or lack of support) for redistributive policies across Anglo-Saxon democracies. The paper concludes by considering the implications of this study in light of growing immigrant-driven diversity in North America and Europe.
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 | 0,013 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».