MétaCan
Menu
Retour à la cohorte
Enregistrement W4401397071 · doi:10.1017/s1537592724000975

From Gender Gap to Gender Gaps: Bringing Nonbinary People into Political Behavior Research

2024· article· en· W4401397071 sur OpenAlexafffundabout
Quinn M. Albaugh, Allison Harell, Peter John Loewen, Daniel Rubenson, Laura B. Stephenson

Notice bibliographique

RevuePerspectives on Politics · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Politics and Representation
Établissements canadiensUniversité du Québec à MontréalQueen's UniversityCanadian Institute for Advanced Research
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésVotingOptimal distinctiveness theoryIdentification (biology)DemocracyPolitical sciencePoliticsGender gapVoting behaviorSocial psychologyPsychologyDemographic economicsEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

The “gender gap” in voting is one of the most well-documented findings in survey research across democracies. However, gender gap research has traditionally assumed that everyone is either a man or a woman, which does not account for the growing number of people who identify as nonbinary. How do nonbinary people differ from men and women in their party identification and voting behavior? We answer this question using data from the 2021 Canadian Election Study online panel, which has a large enough subsample of nonbinary respondents to identify gaps in party identification and voting behavior. Nonbinary people are much less likely to identify with and vote for the Liberal Party or Conservative Party and much more likely to identify with and vote for the social democratic New Democratic Party (NDP) than both men and women. Many of these gaps persist even when restricting the analysis to LGBTQ respondents, adjusting for demographic variables that predict nonbinary identity, and adjusting for issue attitudes. Nonbinary people’s distinctiveness from men and women suggests that researchers need to add nonbinary response options to gender questions and, wherever possible, incorporate nonbinary people into analyses of gender and politics.

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)0,037
score de la tête « metaresearch » (Gemma)0,064
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,963
Score d'incertitude au seuil0,195

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0370,064
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,006
Études des sciences et des technologies0,0050,013
Communication savante0,0060,016
Science ouverte0,0020,013
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,148
Tête enseignante GPT0,475
Écart entre enseignants0,327 · 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.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePerspectives on PoliticsMême sujetGender Politics and RepresentationTravaux en français237 207