MétaCan
Menu
Retour à la cohorte
Enregistrement W4220844546 · doi:10.1080/00344893.2022.2032292

The Effects of Proportional Representation on Election Lawmaking: Evidence from New Zealand

2022· article· en· W4220844546 sur OpenAlexfundno aff
Joshua Ferrer

Notice bibliographique

RevueRepresentation · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueElectoral Systems and Political Participation
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of TorontoVictoria UniversityYale UniversityUniversity of CambridgeNew Zealand GovernmentUniversity of OxfordUniversity of Otago
Mots-clésLawmakingRepresentation (politics)Political scienceProportional representationLegislaturePolitical economyLawLaw and economicsEconomicsPoliticsDemocracy

Résumé

récupéré en direct d'OpenAlex

It is widely recognised that politicians are self-interested and desire election rules beneficial to their re-election. Although partisanship in electoral system reform is well-understood, the factors that affect partisan manipulation of other democratic ‘rules of the game’ – including election administration, franchise laws, and campaign finance – has received little attention to date. New Zealand is so far the only established democracy to shift from a non-proportional to a proportional electoral system and thus presents an ideal case to test the effects of electoral system change on the politics of election reform. This article examines partisan and demobilising election reforms passed between 1970 and 1993 under first-past-the-post and between 1997 and 2020 under mixed-member proportional representation. Moving to a proportional system has failed to diminish the amount of partisan election lawmaking, though voting restrictions have become less common. These results should caution against claims that reforming a country’s electoral system will necessarily curtail the passage of normatively undesirable election reforms.

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)0,011
score de la tête « metaresearch » (Gemma)0,052
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 enseignants0,326
Score d'incertitude au seuil0,649

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,052
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,005
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,071
Tête enseignante GPT0,413
Écart entre enseignants0,342 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRepresentationMême sujetElectoral Systems and Political ParticipationTravaux en français237 207