MétaCan
Menu
Retour à la cohorte
Enregistrement W4214775395 · doi:10.1177/08944393211071067

Participatory Inequality Across Countries: Contacting Public Officials Online and Offline

2022· article· en· W4214775395 sur OpenAlexafffundabout
Shelley Boulianne

Notice bibliographique

RevueSocial Science Computer Review · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media and Politics
Établissements canadiensMacEwan University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésOnline and offlineCitizen journalismInequalityPoliticsEquity (law)The InternetGovernment (linguistics)Online participationSurvey data collectionPublic relationsBusinessPolitical scienceLawWorld Wide WebComputer science

Résumé

récupéré en direct d'OpenAlex

The Internet offers low-cost ways to participate in political life, which reduces the motivation required to participate and thus potentially reduces inequalities in participation. I examine online and offline contacting of elected officials using original survey data from Canada, France, the United Kingdom, and the United States collected in 2019 and 2021. Education is a consistent positive predictor of contacting in all countries as well as both modes of contact (online and offline). Income differences are small. Younger people are more likely to contact officials, online and offline, compared to older people. Females are less likely to contact officials, online and offline, compared to males. While political interest, efficacy, online information consumption, and online group ties are believed to lead to more equity in online communication, I do not see strong differences in these variables for online and offline contacting. I conclude by discussing the implications of exclusively online contacting of officials when this form of contact is devalued by elected officials, as well as the implications of participatory inequalities with respect to influencing public policy and access to government services.

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)0,004
score de la tête « metaresearch » (Gemma)0,017
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 enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0020,002
Communication savante0,0030,004
Science ouverte0,0000,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,219
Tête enseignante GPT0,475
Écart entre enseignants0,256 · 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

Citations12
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSocial Science Computer ReviewMême sujetSocial Media and PoliticsTravaux en français237 207