MétaCan
Menu
Retour à la cohorte
Enregistrement W2789868910 · doi:10.1002/poi3.168

Another Digital Divide? Evidence That Elimination of Paper Voting Could Lead to Digital Disenfranchisement

2018· article· en· W2789868910 sur OpenAlexfundaboutno aff
Nicole Goodman, Michael McGregor, Jérôme Couture, Sandra Breux

Notice bibliographique

RevuePolicy & Internet · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media and Politics
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésVotingTurnoutThe InternetComputer scienceRanked voting systemInternet privacyPolitical scienceDigital literacyComputer securityWorld Wide WebLawPolitics

Résumé

récupéré en direct d'OpenAlex

Internet voting is currently used in binding elections in 10 countries, and is being considered in many others. In almost all instances where it has been implemented, it is offered as a complementary method of voting; often with the aim to make voting easier and thereby improve turnout. In many municipalities in Canada, however, the adoption of online voting has meant the simultaneous elimination of paper ballots. Drawing on data from a large survey of paper and Internet voters in the 2014 municipal elections in the province of Ontario, Canada, this article examines the effects of eliminating paper ballots on electors based on their digital literacy. We show that digital access and literacy are strongly related to voting method when paper ballots are an option. When paper ballots are unavailable, however, the voting population is made up of more technologically savvy electors, though this effect is delayed and does not occur in the first election without paper ballots. We interpret this finding to indicate that the elimination of paper ballots can disenfranchise those on the wrong side of the digital divide.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,158
Score d'incertitude au seuil0,314

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,046
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,005
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0310,002

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,375
Écart entre enseignants0,304 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePolicy & InternetMême sujetSocial Media and PoliticsTravaux en français237 207