MétaCan
Menu
Retour à la cohorte
Enregistrement W3004050731 · doi:10.1177/0951629819892339

Subpoena power and informational lobbying

2020· article· en· W3004050731 sur OpenAlexaff
Arnaud Déllis, Mandar Oak

Notice bibliographique

RevueJournal of Theoretical Politics · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiquePolitical Influence and Corporate Strategies
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésSubpoenaEconomicsPower (physics)Law and economicsConflict of interestMisrepresentationOrder (exchange)Public economicsActuarial scienceBusinessLawPolitical scienceFinance

Résumé

récupéré en direct d'OpenAlex

This article studies the role of subpoena power in enabling policymakers to make better-informed decisions. In particular, we take into account the effect of subpoena power on the information voluntarily supplied by interest groups as well as the information obtained by the policymaker via the subpoena process. To this end, we develop a model of informational lobbying in which interest groups seek access to the policymaker in order to provide him verifiable evidence about the desirability of implementing reforms they care about. The policymaker is access-constrained, that is, he lacks time/resources to scrutinize the evidence owned by all interest groups. The policymaker may also be agenda-constrained, that is, he may lack time/resources to reform all issues. We find that if a policymaker is agenda-constrained, then he is better off by having subpoena power. On the other hand, if a policymaker is not agenda-constrained, he can be worse off by having subpoena power. The key insight behind these findings is that subpoena power, while it increases the policymaker’s ability to acquire information from interest groups, it also alters the amount of information they voluntarily provide via lobbying, and that the net effect differs depending on whether or not the policymaker is agenda-constrained.

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)0,008
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,015
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,031
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,008
Communication savante0,0060,007
Science ouverte0,0010,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0150,001

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,232
Écart entre enseignants0,213 · 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'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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Theoretical PoliticsMême sujetPolitical Influence and Corporate StrategiesTravaux en français237 207