MétaCan
Menu
Retour à la cohorte
Enregistrement W3046016438 · doi:10.1017/s0008423920000384

Incumbency and Competitiveness in City Council Elections: How Accurate Are Voter Perceptions?

2020· article· en· W3046016438 sur OpenAlexaffabout
Cameron D. Anderson, R. Michael McGregor, Scott Pruysers

Notice bibliographique

RevueCanadian Journal of Political Science · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueElectoral Systems and Political Participation
Établissements canadiensDalhousie UniversityToronto Metropolitan UniversityWestern University
Organismes subventionnairesnon disponible
Mots-clésPolitical sciencePerceptionPublic administrationVariation (astronomy)Demographic economicsPublic relationsEconomicsPsychology

Résumé

récupéré en direct d'OpenAlex

Abstract Incumbent city councillors have an almost insurmountable advantage in Canadian municipal elections. This article aims to improve our understanding of the municipal incumbency advantage by considering the ability of electors to correctly identify the two most competitive candidates in one's ward and the factors associated with being able to do so. Using survey data from the Canadian Municipal Election Study (CMES), we consider the case of the 2018 elections in Mississauga, a city with typically high rates of incumbent re-election. Survey respondents were asked to identify the two most competitive candidates in their local ward races. We find that comparatively few electors are able to recognize which challenger serves as the strongest threat to a sitting councillor, a finding that suggests that coordination problems may help to contribute to high rates of incumbent success. We identify several individual-level and ward-level correlates of correctly identifying the first-place and second-place finishers. We do note, however, that there is a significant amount of variation among the thousands of municipalities in Canada, so findings from this case should be tested in other settings, including larger or smaller cities where levels of information might be different.

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)0,005
score de la tête « metaresearch » (Gemma)0,025
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 enseignants0,460
Score d'incertitude au seuil0,926

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,001
Communication savante0,0040,001
Science ouverte0,0010,001
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 Opus0,128
Tête enseignante GPT0,342
Écart entre enseignants0,214 · 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

Citations2
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Political ScienceMême sujetElectoral Systems and Political ParticipationTravaux en français237 207