Classifying Cases in Federal Studies. An Illustration of why Political Scientists should do more Cluster Analysis
Notice bibliographique
Résumé
Typologies are widely used in research on federalism, e.g. to distinguish dual from cooperative or coming-together from holding-together federations. More general, ideal types, archetypes and categories are frequently used in political science research to define concepts and classify cases. As recently as in 2014, Filho et al. pointed out that Cluster Analysis is still hardly used when it comes to developing typologies in political science. Rather, political scientists rely on more intuitive methods or factor analysis. Our paper argues that Cluster Analysis is of great usefulness because it a) focuses on the relationship between cases and not variables and b) draws on empirical data when identifying the clusters. This paper proposes to apply this fruitful approach to the field of federalism to exemplify its major heuristic potential. Furthermore, we emphasize that testing the secondary validity is a crucial step. Our paper provides two original examples from comparative federal politics and public management that illustrate the strength of Cluster Analysis both in testing and generating hypotheses through the establishment of typologies. For both examples, the validity of the Cluster Analysis is tested by checking for correlations between the clusters and the distribution of power. Hence, the typologies established through Cluster Analysis not only define our respective dependent variables related to aspects of intergovernmental coordination within federations and the normative density of evaluation clauses in the Swiss federation, but also offer strong insights in issues of regional autonomy.
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 | 0,061 | 0,120 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,021 | 0,026 |
| Études des sciences et des technologies | 0,009 | 0,010 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».