Racial Polarization in Sponsorship of United States Civil Rights Legislation
Notice bibliographique
Résumé
Who has supported the policy interests of historically marginalized groups in the U.S. over the last 50 years? We test this question by creating a dataset of 202,775 House of Representatives bills from 1973 – 2022, and using it to track who sponsors bills protecting the civil rights of minority groups. We find that the total volume of civil rights legislation has remained stable over the last 50 years, but there have been contrasting trends beneath the surface. As racial minorities have gained more seats in Congress, minority legislators have shown greater commitment to sponsoring civil rights bills. In contrast, White legislators, who still hold most seats in Congress, have sponsored fewer civil rights bills, even controlling for overall productivity. This negative trend is strongest among White Republicans, but White legislators from both parties have sponsored fewer civil rights bills relative to minority legislators over time. These contrasting trends have created a racial divide which overshadows party differences. White legislators sponsored nearly 100% of civil rights bills in the early 1970s, but now sponsor approximately 40% while holding approximately 75% of House seats. We test several plausible reasons why the average White legislator is sponsoring fewer civil rights bills, but find no empirical support for any of them. The trend cannot be explained by controlling for the diversity of Congress, the districts where White legislators have been re-elected, or voter preferences. Racial polarization has been starkest in the last 10 years and shows no signs of abating.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 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 ».