André Blais and Jean-François Daoust. <i>The Motivation to Vote: Explaining Electoral Participation</i>
Notice bibliographique
Résumé
These authors center on the “paradox of voting.” Blais and Daoust, along with many other political scientists, try to ascertain the motivation to vote, when the personal benefits and the costs of voting would lead a rational person to abstain from voting. They have created a superior primer on voter turnout that succinctly and expertly captures previous research and also provides additional significant research. Blais and Daoust focus on the individual-level attitudinal determinants of turnout by examining two basic predispositions (interest in politics and civic duty) and two election-specific assessments (care and ease of voting), and the interaction among these four attitudes. For most of this analysis, Blais and Daoust use the Making Electoral Democracy Work (MEDW) surveys, conducted in two regions in five countries: Canada, France, Spain, Switzerland, and Germany. These surveys, conducted between 2011 and 2015, cover a total of twenty-four elections. Following the introductory chapter, in chapter 2, Blais and Daoust provide an excellent, thorough analysis and summary of their previous research, and that of others, on the association between voter turnout, on the one hand, and age, race, gender, education, and income.
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 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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».