MétaCan
Menu
Retour à la cohorte
Enregistrement W4376256284 · doi:10.1093/poq/nfad012

The Effects of Polarized Evaluations on Political Participation: Does Hating the Other Side Motivate Voters?

2023· article· en· W4376256284 sur OpenAlexaboutno aff
Chloe Ahn, Diana C. Mutz

Notice bibliographique

RevuePublic Opinion Quarterly · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueElectoral Systems and Political Participation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolarization (electrochemistry)TurnoutVotingPresidential electionPresidential systemDemocracySocial psychologyPolitical sciencePoliticsPolitical actionQuarter (Canadian coin)Survey data collectionPsychologyPanel surveyDemographic economicsEconomicsLawGeographyStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract This study examines whether rising polarization in Americans’ partisan judgments has positive implications for political participation. Drawing on cross-sectional and panel survey data, we find evidence that polarized judgments are related to pre-election intent to vote, as well as to post-election self-reported voter turnout. Polarized evaluations also predict greater reporting of participation in campaign activities beyond voting. Polarization in candidate evaluations consistently has more of an impact than affective polarization. However, our results suggest that polarization in evaluations of both parties and candidates includes an expressive component that does not necessarily translate into political action. Roughly one-quarter to one-third of the actual change in turnout can potentially be attributed to polarization in evaluations of Republican and Democratic presidential candidates.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,678
Score d'incertitude au seuil0,836

Scores Codex et Gemma par catégorie

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

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 Opus0,059
Tête enseignante GPT0,396
Écart entre enseignants0,338 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations25
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePublic Opinion QuarterlyMême sujetElectoral Systems and Political ParticipationTravaux en français237 207