MétaCan
Menu
Retour à la cohorte
Enregistrement W4393280883 · doi:10.1093/isq/sqae012

Effects of Self-Legitimation and Delegitimation on Public Attitudes toward International Organizations: A Worldwide Survey Experiment

2024· article· en· W4393280883 sur OpenAlexaboutno aff
Farsan Ghassim

Notice bibliographique

RevueInternational Studies Quarterly · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePopulism, Right-Wing Movements
Établissements canadiensnon disponible
Organismes subventionnairesRiksbankens Jubileumsfond
Mots-clésLegitimationPolitical sciencePolitical economySociologyLawPolitics

Résumé

récupéré en direct d'OpenAlex

Abstract Public views on international organizations (IOs) have become a matter of central concern. While actors in world politics increasingly try to legitimize or delegitimize IOs, scholars have begun investigating such phenomena systematically. This paper provides the most comprehensive IO (de)legitimation study to date. Building on cueing theory, and considering input as well as output legitimacy, I examine the isolated and combined effects of delegitimation and self-legitimation on public perceptions of IOs. I concentrate on government criticism and citizen protests as two salient practices of delegitimation. In investigating self-legitimation, I focus on IOs’ public statements and institutional reforms. I study public opinion on the UN, World Bank, and WHO, as IOs of different functional scopes and levels of salience. In 2021, I conducted survey experiments on more than 32,000 citizens in ten countries worldwide (Australia, Canada, Colombia, Egypt, France, Hungary, Indonesia, Kenya, South Korea, and Turkey) – weighted by age, gender, region, and education. My main findings are: Delegitimation by governments and citizen protests has some limited effectiveness, depending on the IO in question. While IO self-legitimization statements and reforms in themselves do not boost public support for IOs, they are generally effective at neutralizing delegitimation attempts by governments and citizen protests.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,025
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,364
Écart entre enseignants0,328 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Studies QuarterlyMême sujetPopulism, Right-Wing MovementsTravaux en français237 207