MétaCan
Menu
Retour à la cohorte
Enregistrement W3089928971 · doi:10.1080/17457289.2020.1824186

Measuring electoral integrity: using practitioner knowledge to assess elections

2020· article· en· W3089928971 sur OpenAlexaff
Holly Ann Garnett, Toby S. James

Notice bibliographique

RevueJournal of Elections Public Opinion and Parties · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueElectoral Systems and Political Participation
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesUniversity of New South WalesUniversity of East Anglia
Mots-clésNormativePolitical scienceDemocracyPerceptionPublic relationsProcess (computing)Public administrationPsychologyLawComputer sciencePolitics

Résumé

récupéré en direct d'OpenAlex

The integrity of the electoral process is vitally important for the delivery of democracy. However, there is an ongoing debate about how the integrity of elections can be measured. This article makes the theoretical and normative case for the use of practitioner knowledge. Unlike public and expert perceptions, electoral officials have unique practice-based, experiential, tacit knowledge about the conduct of elections, and more insights about the technical aspects of administration of which the public and even experts may be unaware. The article presents results from the first ever cross-national datasets based on a survey of electoral officials in 31 countries. Practitioner assessments are then compared to expert and public assessments, the traditional methods for assessing electoral integrity, and are found to be a reliable measure of electoral integrity. Analysis also shows that gender does shape practitioner assessments, suggesting that some electoral malpractices might be gendered in nature. Job satisfaction is also significant, which suggests that it should be controlled for in future studies. Overall, this study is significant for identifying the utility of a new method for assessing electoral integrity and provides important lessons for how they should be surveyed in the future.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,911
Score d'incertitude au seuil0,632

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,499
Tête enseignante GPT0,454
Écart entre enseignants0,046 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations17
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Elections Public Opinion and PartiesMême sujetElectoral Systems and Political ParticipationTravaux en français237 207