MétaCan
Menu
Retour à la cohorte
Enregistrement W4220894294 · doi:10.1177/00936502211066001

Active vs. Passive Ambivalent Voters: Implications for Interactive Political Communication and Participation

2022· article· en· W4220894294 sur OpenAlexfundno aff
Chingching Chang, Chung‐li Wu

Notice bibliographique

RevueCommunication Research · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media and Politics
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Advanced Education
Mots-clésAmbivalencePoliticsPolitical communicationSocial psychologyVoting behaviorInterpersonal communicationPolitical socializationPolitical scienceSociologyPublic relationsPsychologyVotingAmerican political scienceLaw

Résumé

récupéré en direct d'OpenAlex

Voters express different attitudes toward competing political parties and the issues they support. In this study, a polytomous latent class analysis of their opinions regarding party-divided issues identifies several types of voters and highlights the distinction between active and passive ambivalent voters. Such a distinction is necessary to clarify the relationship between party ambivalence and political participation. Drawing on research into ambivalent attitudes, the current study postulates that active ambivalent citizens adopt amplification strategies, whereas passive ambivalent citizens adopt avoidance strategies. A comparison between them further indicates that active ambivalent citizens are motivated to fulfill their civic duties and be accountable when they seek political information, and they express more political interest than their passive counterparts. A three-wave panel survey confirms the influence of ambivalent voter types (wave 1) on political participation (wave 3), according to voters’ political orientation (i.e., civic duty motives to seek political information and interest in politics) and their interactive political communication (interactive engagement with digital political information and interpersonal political discussions) (wave 2).

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)0,020
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 enseignants0,009
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,254
Tête enseignante GPT0,549
Écart entre enseignants0,295 · 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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunication ResearchMême sujetSocial Media and PoliticsTravaux en français237 207