A Review of the Popular and Scholarly Accounts of Donald Trump’s White Working-Class Support in the 2016 US Presidential Election
Notice bibliographique
Résumé
Popular and scholarly accounts of Trump’s ascendency to the presidency of the United States on the part of the American white working-class use different variables to define the sociodemographic group because there is no “working-class White” variable available in benchmark datasets for researchers to code. To address this need, the Author ran a multinomial regression to assess whether income, education and racial identity predict working-class membership among white Americans, finding that income and education are statistically significant predictors of working-class whiteness, while racial identity is not. Arriving at a robust definition of “white working-class” in light of these findings, the paper next turns to a review of the extant literature. By retrieving studies from searches of computerised databases, hand searches and authoritative texts, the review critically surmises the explanatory accounts of Trump’s victory. Discussion of the findings from the review is presented in three principal sections. The first section explains how working-class White communities, crippled by a dearth of social and geographic mobility, have been “left behind” by the political elites. The second section examines how white Americans, whose dominant group position is threatened by demographic change, voted for Trump because of resonance between his populist rhetoric and their latent “racist” attitudes. The third and final section explores the implications of a changing America for native-born whites, and how America’s increasing ethnoracial diversity is eroding relations between its dominant and nondominant groups. The Author surmises by arguing that these explanatory accounts must be understood in the context of this new empirical approximation of “working-class White”.
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 | 0,008 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,012 | 0,022 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».