Institutions and Cultural Diversity: Effects of Democratic and Propaganda Processes on Local Convergence and Global Diversity
Notice bibliographique
Résumé
In a connected world where people influence each other, what can cause a globalized monoculture, and which measures help to preserve the coexistence of cultures? Previous research has shown that factors such as homophily, population size, geography, mass media, and type of social influence play important roles. In the present paper, we investigate for the first time the impact that institutions have on cultural diversity. In our first three studies, we extend existing agent-based models and explore the effects of institutional influence and agent loyalty. We find that higher institutional influence increases cultural diversity, while individuals' loyalty to their institutions has a small, preserving effect. In three further studies, we test how bottom-up and top-down processes of institutional influence impact our model. We find that bottom-up democratic practices, such as referenda, tend to produce convergence towards homogeneity, while top-down information dissemination practices, such as propaganda, further increase diversity. In our last model--an integration of bottom-up and top-down processes into a feedback loop of information--we find that when democratic processes are rare, the effects of propaganda are amplified, i.e., more diversity emerges; however, when democratic processes are common, they are able to neutralize or reverse this propaganda effect. Importantly, our models allow for control over the full spectrum of diversity, so that a manipulation of our parameters can result in preferred levels of diversity, which will be useful for the study of other factors in the future. We discuss possible mechanisms behind our results, applications, and implications for political and social sciences.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».