MétaCan
Menu
Retour à la cohorte
Enregistrement W2896956732 · doi:10.7910/dvn/b0ny7y

Replication Data for: How to survey about electoral turnout? The efficacy of the face-saving response items in 19 different contexts

2016· dataset· en· W2896956732 sur OpenAlexaffabout
Alexandre Morin-Chassé

Notice bibliographique

RevueHarvard Dataverse · 2016
Typedataset
Langueen
DomaineSocial Sciences
ThématiqueComputational and Text Analysis Methods
Établissements canadiensWestern UniversityUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésTurnoutReplication (statistics)Face (sociological concept)Political sciencePsychologyInternet privacyFace-to-faceVoter turnoutSurvey data collectionComputer scienceSociologyBiologyStatisticsMathematicsSocial scienceVirologyPoliticsLawVotingEpistemology

Résumé

récupéré en direct d'OpenAlex

Researchers studying electoral participation often rely on post-election surveys. However, the reported turnout rate is usually much higher in survey samples than in reality. Survey methodology research has shown that offering abstainers the opportunity to use face-saving response options succeeds at reducing overreporting by a range of 4 to 8 percentage points. This finding rests on survey experiments conducted in the United States after national elections. We offer a test of the efficacy of the face-saving response items through a series of wording experiments embedded in 19 post-election surveys in Europe and Canada, at four different levels of government. With greater variation in contexts, our analyses reveal a distribution of effect sizes ranging from null to minus 18 percentage points.

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)0,011
score de la tête « metaresearch » (Gemma)0,062
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,218

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,062
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0040,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0650,084

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 Opus0,091
Tête enseignante GPT0,389
Écart entre enseignants0,298 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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

En bref

Citations0
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHarvard DataverseMême sujetComputational and Text Analysis MethodsTravaux en français237 207