MétaCan
Menu
Retour à la cohorte
Enregistrement W2166509067 · doi:10.1093/aler/ahv006

Leveling the Playing Field? The Role of Public Campaign Funding in Elections

2015· article· en· W2166509067 sur OpenAlexaff
Tilman Klumpp, Hugo M. Mialon, Michael A. Williams

Notice bibliographique

RevueAmerican Law and Economics Review · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueElectoral Systems and Political Participation
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésField (mathematics)Political scienceBusinessPublic administrationPublic relationsMathematics

Résumé

récupéré en direct d'OpenAlex

In a series of First Amendment cases, the U.S. Supreme Court established that government may regulate campaign finance, but not if regulation imposes costs on political speech and the purpose of regulation is to “level the political playing field.” The Court has applied this principle to limit the ways in which governments can provide public campaign funding to candidates in elections. A notable example is the Court's decision to strike down matching funds provisions of public funding programs (Arizona Free Enterprise Club's Freedom Club PAC v. Bennett, 2011). In this paper, we develop a contest-theoretic model of elections in which we analyze the effects of public campaign funding mechanisms, including a simple public option and a public option with matching funds, on program participation, political speech, and election outcomes. We show that a public option with matching funds is equivalent to a simple public option with a lump-sum transfer equal to the maximum level of funding under the matching program; that a public option does not always “level the playing field,” but may make it more uneven and can decrease as well as increase the quantity of political speech by all candidates, depending on the maximum public funding level; and that a public option tends to increase speech in cases where it levels the playing field. Several of the Supreme Court's arguments in Arizona Free Enterprise are discussed in light of our theoretical results.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,948
Score d'incertitude au seuil0,973

Scores Codex et Gemma par catégorie

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

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 Opus0,125
Tête enseignante GPT0,365
Écart entre enseignants0,240 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations9
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Law and Economics ReviewMême sujetElectoral Systems and Political ParticipationTravaux en français237 207