Notice bibliographique
Résumé
Le premier tour des élections municipales françaises s’est tenu le 15 mars 2020, alors que l’épidémie de COVID-19 s’installait en France. Quel a été l’impact de la crise sanitaire sur la mobilisation – historiquement faible – lors de ce tour de scrutin? Celle-ci a-t-elle été dépendante de l’intensité de l’épidémie à l’échelle locale? La crise a-t-elle profondément modifié les logiques habituelles de la participation électorale pour ce type de scrutin? Cet article propose de répondre à ces questions au travers d’une analyse longitudinale multiniveau des taux d’abstention enregistrés lors des premiers tours des quatre dernières élections municipales au sein des communes françaises de plus de 3 500 habitants. Nos résultats montrent que les effets de la crise sanitaire en matière de participation sont assez peu dépendants de l’intensité locale de l’épidémie : si la démobilisation augmente partout, et particulièrement au sein des communes traditionnellement plus participatives, nous observons des variations significatives dans les taux d’abstention des communes étudiées uniquement dans les rares départements où l’épidémie a déjà causé les premiers décès. Nous observons également une hausse de l’abstention au sein des communes où les parts de personnes âgées de 65 ans et plus et d’ouvriers sont élevées, particulièrement lorsqu’elles sont situées à faible distance des principaux foyers épidémiques.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».