MétaCan
Menu
Retour à la cohorte
Enregistrement W2982590540

Economic insecurity and the rise of the right

2019· preprint· en· W2982590540 sur OpenAlexfundno aff
Walter Bossert, Andrew E. Clark, Conchita D’Ambrosio, Anthony Lepinteur

Notice bibliographique

RevueLondon School of Economics and Political Science Research Online (London School of Economics and Political Science) · 2019
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueCorruption and Economic Development
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaEconomic and Social Research CouncilFonds National de la Recherche LuxembourgJohn Templeton Foundation
Mots-clésReferendumBrexitGermanPoliticsPresidential systemPresidential electionPolitical economyPolitical scienceEconomicsVotingEuropean unionDevelopment economicsEconomic policyGeographyLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Economic insecurity has attracted growing attention in social, academic and policy circles. However, there is no consensus as to its precise definition. Intuitively, economic insecurity is multi-faceted, making any comprehensive formal definition that subsumes all possible aspects extremely challenging. We propose a simplified approach, and characterize a class of individual economic-insecurity measures that are based on the time profile of economic resources. We then apply our economic-insecurity measure to data on political preferences. In US, UK and German panel data, and conditional on current economic resources, economic insecurity is associated with both greater political participation (support for a party or the intention to vote) and notably more support for parties on the right of the political spectrum. We in particular find that economic insecurity predicts greater support for both Donald Trump before the 2016 US Presidential election and the UK leaving the European Union in the 2016 Brexit referendum.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,297
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0210,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,036
Communication savante0,0010,001
Science ouverte0,0030,005
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,048
Tête enseignante GPT0,374
Écart entre enseignants0,325 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLondon School of Economics and Political Science Research Online (London School of Economics and Political Science)Même sujetCorruption and Economic DevelopmentTravaux en français237 207