Attitudes on Policy and Punishment: Opposition to Inequality-Based Government Aid Predicts Support for Capital Punishment
Notice bibliographique
Résumé
Objective: There exists a well-developed body of research on the attitudinal correlates of support for capital punishment. Among the most robust of these is racism and racial attributions. The study presented here was designed to explore whether policy prescriptions reflective of racial attitudes can predict support for capital punishment. Method: Data come from the 2018 iteration of the NORC General Social Survey. The dependent variable is a dichotomous measure of support for the death penalty for people convicted of murder. The independent variable is a 5-level Likert-type item of support for government aid to Blacks to help overcome discrimination. Binary logistic regression was used to analyze the relationship between variables net of standard controls. Results: Over 63 percent of the total sample supported the death penalty. Support among those strongly favored government aid to Blacks was 41 percent. Support among those who strongly rejected aid to Blacks was 78 percent. Results of the regression analysis showed each decrease in the level of support for government aid to Blacks was associated with an 18.6 percent increase in the likelihood of supporting the death penalty. Conclusion: Capital punishment support is not simply a function of abstract, hypothetical racial attitudes. The findings reported here suggest support for the death penalty is associated with concrete policy prescriptions that maintain racial inequalities. Given that capital punishment continues in large part due to public support, it should be recognized that this support is based on a desire to maintain racial inequalities through government action.
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 | 0,002 | 0,014 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».