Does Violent Protest Backfire? Testing a Theory of Public Reactions to Activist Violence
Notice bibliographique
Résumé
How do people respond to violent political protest? The authors present a theory proposing that the use of violence leads the general public to view a protest group as less reasonable, a perception that reduces identification with the group. This reduced identification in turn reduces public support for the violent group. Furthermore, the authors argue that violence also leads to more support for groups that are perceived as opposing the violent group. The authors test this theory using a large ( n = 800) Internet-based survey experiment with a politically diverse sample. Participants responded to an experimental scenario based on recent violent confrontations between white nationalist protesters and antiracist counter-protesters, allowing the authors to study whether violent protest would reduce public support even when used against a widely reviled group. The authors found that the use of violence by an antiracist group against white nationalists led to decreased support for the antiracist group and increased support for the white nationalist group. Furthermore, the results were consistent with the theorized causal process: violence led to perceptions of unreasonableness, which reduced identification with and support for the protest group. Importantly, the results revealed a striking asymmetry: although acts of violence eroded support for an antiracist group, support for white nationalist groups was not reduced by the use of violence, perhaps because the public already perceives these groups as very unreasonable and identifies with them at low levels. Consistent with this interpretation, the authors found that self-identified Republicans, a subset of the sample that reported less extremely negative views of white nationalists, showed reduced support for white nationalists when they engaged in violence.
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 | 0,007 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
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.
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 ».