Attack Politics: Negativity in Presidential Campaigns since 1960. By Emmett H. Buell Jr. and Lee Sigelman. (Lawrence: University Press of Kansas, 2008. xii, 354 pp. $34.95, ISBN 978-0-7006-1561-2.)
Notice bibliographique
Résumé
Considering that one version of hell has sinners reliving their worst moments again and again, in perpetuity, a chronicle of negative campaigning from 1960 to 2004 can be pretty depressing. Just as in a mudslide, once discrete rocks and dirt all blur together, a catalog of mudslinging quickly degenerates into a seemingly endless, often indistinguishable, barrage. The authors, both prominent political scientists, do not make the reading easier with a dry style and a clinical approach that is encyclopedic and exhausting. Still, having “extracted 17,124 campaign statements from 10,686 news items” published in the New York Times about the twelve presidential contests they studied, the authors offer interesting conclusions that defy conventional wisdom (p. 16). They argue that campaigns have not become more negative. They do not agree that Republicans are more negative than Democrats. They reject the claim that candidates dodge serious issues. And, having identified 1960 as the most negative campaign, they say John F. Kennedy just barely beats out Walter Mondale and George McGovern as the most negative major party campaigner in the modern era.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,005 |
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 ».