MétaCan
Menu
Retour à la cohorte
Enregistrement W2890406325 · doi:10.1111/bjso.12279

The transformative and informative nature of elections: Representation, schism, and exit

2018· article· en· W2890406325 sur OpenAlexaff
Amber M. Gaffney, Bryan Sherburne, Justin D. Hackett, David E. Rast, Zachary P. Hohman

Notice bibliographique

RevueBritish Journal of Social Psychology · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial and Intergroup Psychology
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésRepresentation (politics)Identity (music)DemocracySchismPerceptionSocial psychologyPolitical scienceTransformative learningSociologyPolitical economyLawPoliticsPsychologyAesthetics

Résumé

récupéré en direct d'OpenAlex

In democratic elections, constituents may view unconventional or non-prototypical candidates as attempting to reshape their national identity in the wrong direction. When a non-prototypical candidate actually steps into a leadership role, the group's consensual view of their prototype may shift to position this new leader as prototypical. This process should be bound in member consensus, evidenced by the leader's successful election. The current work examines American Republicans (N = 297) and Democrats (N = 322) before and after the 2016 US election. We focus on Republicans' interpretations of their candidate Donald Trump's prototypicality and ability to bolster or subvert their party identity pre-election. Post-election, we examine changes to these processes, related in part to Republicans' homogenized view of Trump's prototypicality. In comparison, we examine these processes in the Democratic Party. Results suggest that whereas Democrats increased in their desire to leave their party, Republicans decreased in their desire to leave their party, an effect that is related to increasing perceptions of Trump's prototypicality and representation of the Republican Party. These findings have important implications for how the contexts of elections rapidly shape party identity through the election of leaders such as Trump.

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)0,002
score de la tête « metaresearch » (Gemma)0,011
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,004
Communication savante0,0030,002
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,018
Tête enseignante GPT0,396
Écart entre enseignants0,378 · 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

Citations13
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Social PsychologyMême sujetSocial and Intergroup PsychologyTravaux en français237 207