Notice bibliographique
Résumé
This dissertation is an examination of the nature and effects of legislative tenure. Specifically, I analyze the role of tenure at the federal level, in the United States Congress. The first chapter provides a background on nature of legislators and the roles that United States Congressmen play in the American economy, the three main questions that this dissertation looks to address, and describes the unique dataset that belies this research. Chapter 2 is an in-depth analysis on the nature of accrued legislative tenure throughout the entire history of the United States Congress. The second chapter then explores possible explanations for the structural break to legislative tenure rates that occurred sometime in the last quarter of the 19th century. Ultimately, while the ability to regulate an economy and the United States Civil War are likely causes, the ability to tax-and-spend did not contribute to the initial upswing in accrued tenure rates. Chapter 3 analyzes the impact of federal spending on state economic performance in light of the variation in tenure between states' Congressional delegations. States that have more tenured delegations secure more federal money for their respective constituencies, and this increased level of federal funds causes a dampening effect upon state economic performance. The result is robust when considering alternative measures of federal spending, such as federal spending received net of federal taxes paid, and the ratio of federal spending received to federal taxes paid. Finally, due to the nature of the two-stage process, I provide a range of estimates for the marginal harm caused by having increasingly tenured Congressional delegations. Chapter 4 investigates the impact that increased tenure, both in absolute amounts and in increased dispersion, has upon legislative productivity. Increased amounts of tenure, as well as increased amounts of tenure dispersion, leads to a reduction in the quantity and an increase in the price of legislation produced. The effects are akin to a cartel. Chapter 5 concludes and discusses future areas of research interest.
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 | 0,005 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 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 ».