Valuing Liberty or Equality? Empathetic Personality and Political Intolerance of Harmful Speech
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Political tolerance is a core democratic value, yet a long-standing research agenda suggests that citizens are unwilling to put this value into practice when confronted by groups that they dislike. One of the most disliked groups, especially in recent times, are those promoting racist ideologies. Racist speech poses a challenge to the ideal of political tolerance because it challenges another core tenet of democratic politics – the value of equality. How do citizens deal with threats to equality when making decisions about what speech they believe should be allowed in their communities? In this article, we contribute to the rich literature on political tolerance, but focus on empathy as a key, and understudied, personality trait that should be central to how – and when – citizens reject certain types of speech. Empathy as a cognitive trait relates to one’s capacity to accurately perceive the feeling state of another person. Some people are more prone to worry and care about the feelings of other people, and such empathetic people should be most likely to reject speech that causes harm. Using a comparative online survey in Canada (n = 1,555) and the United States ( n = 1627) conducted in 2017, we examine whether empathetic personalities - as measured by a modified version of the Toronto Empathy Scale - predict the tolerance of political activities by “least-liked” as well as prejudicially motivated groups. Using both a standard least-liked political tolerance battery, as well as a vignette experiment that manipulates group type, we test whether higher levels of trait empathy negatively correlate with tolerance of racist speech. Our findings show that empathy powerfully moderates the ways in which citizens react to different forms of objectionable speech.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,006 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle