L'efficacité de l'échantillonnage passif pour obtenir un portrait représentatif de l'électorat: Le cas de<i>Vote au pluriel – Québec</i>
Notice bibliographique
Résumé
Résumé On estime généralement que l'utilisation d'une méthode d’échantillonnage actif pour la conduite de sondage Internet est plus efficace que l'utilisation d’échantillonnage passif, autant en ce qui a trait au recrutement des participants que de la représentativité de l’échantillon. Dans le premier cas, des firmes spécialisées contactent directement des répondants, alors que dans le deuxième cas les participants doivent se rendre par eux-mêmes sur une plate-forme de sondage en ligne. Dans cet article, nous évaluons empiriquement l'efficacité relative d'une stratégie d’échantillonnage passif à l'aide d'une campagne médiatique mise en place dans le cadre de l'expérience WebVote au pluriel – Québec. Cette stratégie avait pour objectif d'augmenter le nombre de participants et d'améliorer la représentativité de l’échantillon obtenu par échantillonnage passif. Nos résultats suggèrent que la stratégie a eu un impact significatif, mais limité, sur le recrutement des participants. De plus, la représentativité de l’échantillon complet comprend d'importantes lacunes, surtout lorsque celui-ci est comparé à un échantillon Web obtenu par échantillonnage actif. Nos analyses démontrent cependant que l'utilisation des médias traditionnels, dans le cadre d'une stratégie plus large, pourrait diminuer l'impact négatif dudigital divide, qui nuit à la représentativité des échantillons récoltés sur le Web.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,003 |
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 ».