MétaCan
Menu
Retour à la cohorte
Enregistrement W2943831742 · doi:10.1177/0263395719844700

The influence of various measures of health on different types of political participation

2019· article· en· W2943831742 sur OpenAlexaff
Daniel Stockemer, Carolin Rapp

Notice bibliographique

RevuePolitics · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueElectoral Systems and Political Participation
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPoliticsVotingVoting behaviorEuropean Social SurveyPolitical scienceSocial psychologyPsychologyLaw

Résumé

récupéré en direct d'OpenAlex

Recent research in political behaviour suggests that poor health can be an impediment for individuals to vote. At the same time, researchers argue that health may both hinder and reinforce other forms of political participation. With respect to these ambiguous expectations, our study asks: does the relationship between health and political involvement depend on how we measure health? We answer this question for two of the most widely used health indicators, self-reported health and being hampered by illness in daily activities. We use the European Social Survey (ESS) (N = 35,000) covering 20 European countries and find that the measurement of health indeed matters: our results illustrate that bad self-reported health is an impediment to voting, but not to other forms of political activity. When it comes to our second indicator, being hampered in daily activities, we also find a negative relationship with voting. Yet, our results also indicate that most individuals, who are hampered by illness in their daily lives, have a tendency to participate more regularly in most other forms of political activity, including boycotting, contacting a politician, or signing a petition. Robustness checks including waves 1–6 of the ESS support these findings.

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)0,015
score de la tête « metaresearch » (Gemma)0,041
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 enseignants0,015
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,041
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,076
Tête enseignante GPT0,389
Écart entre enseignants0,313 · 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

Citations24
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePoliticsMême sujetElectoral Systems and Political ParticipationTravaux en français237 207