MétaCan
Menu
Retour à la cohorte
Enregistrement W4200163389 · doi:10.31219/osf.io/my987

The Subversion Dilemma: Why Voters Who Cherish Democracy Participate in Democratic Backsliding

2021· preprint· en· W4200163389 sur OpenAlexaff
Alia Braley, Gabriel Lenz, Dhaval Adjodah, Hossein Rahnama, Alex Pentland

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueSocial and Intergroup Psychology
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDemocracyDilemmaAuthoritarianismVotingPolitical sciencePolitical economySubversionSocial psychologyPsychologySociologyLawPoliticsEpistemology

Résumé

récupéré en direct d'OpenAlex

Around the world, would-be authoritarian leaders have convinced their supporters to vote away the democracies they claim to cherish. How is this possible? We argue that simply fearing that opposing partisans support democratic backsliding can lead individuals to support it themselves. Would-be authoritarians may then be able to start a self-reinforcing dynamic of democratic backsliding by fostering these fears, which then generate exaggerated fears on the other. Using observational and experimental studies (N=4,400), we present four findings consistent with this account: Republicans and Democrats (1) overestimate opposing partisan willingness to break democratic norms; (2) will support their party breaking democratic norms themselves to the extent that they overestimate willingness by the other side; (3) that experimentally correcting this overestimation reduces support for breaking norms, and (4) increases the likelihood of voting for candidates that uphold democratic norms. Our findings suggest that we can foster democratic stability even in a highly polarized society using interventions that simply correct misperceptions about opposing partisans’ commitment to democratic norms

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)0,006
score de la tête « metaresearch » (Gemma)0,034
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,004
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,051
Tête enseignante GPT0,357
Écart entre enseignants0,306 · 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

Citations15
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSocial and Intergroup PsychologyTravaux en français237 207