Notice bibliographique
Résumé
Since the publication of Nannestad and Paldam ([1999] on the cost of ruling, their finding that incumbents lose votes in the order of 2 to 3 percentage points per term has gained the status of something like an “inductive law” of politics (Budge [2019]. We suggest that this generalization conjures up an inaccurate image, that of a gradual reduction of a ruling party’s vote over the course of an incumbency or “spell.” Our own analyses of national and state or provincial elections in Australia, Canada, Germany, and the United States demonstrate that this interpretation is not correct. Instead, while they remain in office the ruling party cruises along, averaging more or less the same share of the vote election after election, until they fail to win another term, at which point all or nearly all of the cost of ruling, like a balloon payment on a loan, comes due. Moreover, on average the magnitude of the loss is independent of the length of their stay in office. This means that a long incumbency confounds the expectations fostered by the “inductive law” because the overall loss – which we find to be reasonably constant across a wide spectrum of data sets – divided by a spell length exponentially distributed from one to many terms cannot be a constant. Nannestad and Paldam's assertion of 2.25 percentage points per term vote loss is at best a description of a mid-range value. Our approach suggests that the cost of ruling is the product of two country-specific constants: an exponential decay of spell functions and an invariant percentage change in votes between the ousting election and the mean winning vote that is independent of spell duration. Thus, our method comes close to matching the inductive law at the mean, but also accounts for its variability along the number of terms in a spell. Moreover, standardizing the loss relative to the mean win vote yields a more general measure that cuts across countries and types of government. We estimate that in most developed democracies the depth of the sink ranges between 15% and 25% below the mean win vote.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,008 | 0,003 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,045 | 0,006 |
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 source (Gemma direct ou Codex distillé), 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 ».