Urban-Rural Residency, Place Identity, and Affective Polarization in the United States
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The US has seen an increase in affective polarization and negative partisanship over the past few decades. Among other factors, previous work suggests that politically homogeneous social contexts foster increased out-group partisan animosity. Given the concurrent widening urban-rural divide in political affiliation, we hypothesize that rural Republicans and urban Democrats will be more affectively polarized than their respective co-partisans. Using 2020 ANES data (N = 8280), we examine partisan in-group and out-group affect among Republicans and Democrats along the urban-rural spectrum, and by urban-rural place identity. In doing so, we find our expectation to be mostly true with some important caveats. First, rural (and rural-identifying) Republicans are cooler towards Democrats, while city and city-identifying Republicans feel warmer towards the opposing party. However, among Democrats, residential identity inconsistently predicts out-group partisan affect, while urban-rural residency does consistently predict negative out-group partisan affect. Urban-rural residency and place identity do not significantly predict partisan in-group affect among Republicans or Democrats, controlling for other factors. In other words, we find that partisan out-group affect varies by residency and place identity, in line with our expectations. We discuss these results in terms of partisan asymmetry, as well as their implications for mitigating negative partisanship.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle