MétaCan
Menu
Retour à la cohorte
Enregistrement W4396890770 · doi:10.1093/psquar/qqae046

Can Credibility Overcome Elite Polarization?

2024· article· en· W4396890770 sur OpenAlexaboutno aff
Daniel J. Hopkins, Gall Sigler

Notice bibliographique

RevuePolitical Science Quarterly · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media and Politics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEliteCredibilityPolitical sciencePolarization (electrochemistry)Political economyEconomic systemEconomicsLawChemistryPolitics

Résumé

récupéré en direct d'OpenAlex

Abstract Political scientists Alexander Gazmararian and Dustin Tingley's incisive new book Uncertain Futures: How to Unlock the Climate Impasse contends that credibility is key to unlocking the deadlock over climate policy. They claim that fossil fuel communities have often been skeptical of any transition away from fossil fuels with good reason. In similar situations, policymakers have often failed to follow through on policies meant to mitigate economic dislocation. Drawing on a wealth of quantitative and qualitative evidence from energy-producing communities, including surveys of residents and officials alike, Gazmararian and Tingley find that different policy features that bolster credibility can build support for a transition to clean energy sources. The book provides a much-needed view of the energy transition from the ground-up. Yet the book pays less attention to a principal-agent problem at the heart of the clean energy transition: many of the elected representatives of the communities most affected by the transition don’t acknowledge any need for a transition. What's more, in a highly polarized environment, the impact of policy feedbacks is likely to be muted. Drawing on the experiences of the ACA and Canada's carbon tax, we suggest that even when the policy features that the authors propose are present, support for clean-energy policies may not rise dramatically.

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)0,020
score de la tête « metaresearch » (Gemma)0,073
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,073
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0090,019
Communication savante0,0210,018
Science ouverte0,0020,010
Intégrité de la recherche0,0080,008
Charge utile insuffisante (le modèle a refusé de juger)0,0230,003

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 Opus0,023
Tête enseignante GPT0,356
Écart entre enseignants0,333 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolitical Science QuarterlyMême sujetSocial Media and PoliticsTravaux en français237 207