Heuristics and policy responsiveness: a research agenda
Notice bibliographique
Résumé
Abstract Theories of policy responsiveness assume that political decision-makers can rationally interpret information about voters’ likely reactions, but can we be sure of this? Political decision-makers face considerable time and information constraints, which are the optimal conditions for displaying decision-making biases—deviations from comprehensive rationality. Recent research has shown that when evaluating policies, political decision-makers display biases related to heuristics—cognitive rules of thumb that facilitate judgments and decision-making—when evaluating policies. It is thus likely that they also rely on heuristics in other situations, such as when forming judgments of voters’ likely reactions. But what types of heuristics do political decision-makers use in such judgments, and do these heuristics contribute to misjudgements of voters’ reactions? Existing research does not answer these crucial questions. To address this lacuna, we first present illustrative evidence of how biases related to heuristics contributed to misjudgements about voters’ reactions in two policy decisions by UK governments. Then, we use this evidence to develop a research agenda that aims to further our understanding of when political decision-makers rely on heuristics and the effects thereof. Such an agenda will contribute to the literature on policy responsiveness.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,014 |
| Communication savante | 0,013 | 0,018 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».