Taming a Paper Tiger? A Political Economy of Support for the Repression of the Business Elite
Notice bibliographique
Résumé
Why do autocrats financially repress some allies but not others during an economic crisis? When too many foxes are in the henhouse, an autocrat may purge his allies in bad times and shrink the winning coalition. However, it is a risky enterprise. If he targets the wrong elite, it may backfire and trigger coups and dissent. Despite the high risk, we still do not know much about precisely who autocrats are likely to sideline from the ruling coalition. I suggest that the autocrat’s business allies are a politically expedient target during economic crises because the people perceive the co-opted business elite as corrupt. Given their low public popularity, the autocrat may justifiably blame the greedy business elite for the country’s economic woes. To develop a framework for public support for repression, I focus on Turkey as a case – a highly polarized country that has experienced a protracted financial crisis. One novel contribution of this study is the use of visual conjoints. I created fake LinkedIn profiles of hypothetical businesspeople with AI-generated profile pictures and business logos. I measured people’s support for their financial repression, depending on their firm’s characteristics, sectoral affiliations, and partisan attitudes toward the government’s economic policies. The results suggest that public support for financial coercion depends on the regime’s political economy. People are more likely to condone the extra-taxation of the business elite, who owe their success to the regime and are perceived as responsible for the economic crisis. This paper contributes to a growing scholarship on micro-level determinants of autocratic purges, and its findings have broad implications for our understanding of elite defection and autocratic power-sharing arrangements.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».