MétaCan
Menu
Retour à la cohorte
Enregistrement W4403510391 · doi:10.1126/science.adh4764

Megastudy testing 25 treatments to reduce antidemocratic attitudes and partisan animosity

2024· article· en· W4403510391 sur OpenAlexaff
Jan G. Voelkel, Michael N. Stagnaro, James Chu, Sophia L. Pink, Joseph S. Mernyk, Chrystal Redekopp, Isaias Ghezae, Matthew Cashman, Dhaval Adjodah, Levi G. Allen, L. Victor Allis, Gina Baleria, Nathan Ballantyne, Jay Joseph Van Bavel, Hayley Blunden, Alia Braley, Christopher J. Bryan, Jared Celniker, Mina Cikara, Margarett Clapper, Katherine Clayton, Hanne K. Collins, Evan DeFilippis, Macrina C Dieffenbach, Kimberly C Doell, Charles Dorison, Mylien T. Duong, Peter Felsman, Maya Fiorella, Michael M. Franz, Roman A. Gallardo, Sara Gifford, Daniela Goya‐Tocchetto, Kurt Gray, Joe Green, Joshua D. Greene, Mertcan Güngör, Matthew E. K. Hall, Cameron A. Hecht, Ali Javeed, John T. Jost, Aaron C. Kay, N. Kay, Brandyn Keating, John Kelly, James R. G. Kirk, Malka Kopell, Nour Kteily, Emily Kubin, Jeffrey Martin Lees, Gabriel Lenz, Matthew Levendusky, Rebecca Littman, Kara Luo, Aaron Lyles, Benjamin Lyons, Wayde Z.C. Marsh, James Martherus, Lauren Alpert Maurer, Caroline Mehl, Julia A. Minson, Molly Moore, Samantha L. Moore‐Berg, Michael H. Pasek, Alex Pentland, Curtis Puryear, Hossein Rahnama, Steve Rathje, Jay Rosato, Maytal Saar‐Tsechansky, Luiza A Santos, Colleen M. Seifert, Azim Shariff, Otto Simonsson, Shiri Spitz Siddiqi, Daniel Stone, Palma Strand, Michael Tomz, David S. Yeager, Erez Yoeli, Jamil Zaki, James Druckman, David G. Rand, Robb Willer

Notice bibliographique

RevueScience · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueElectoral Systems and Political Participation
Établissements canadiensUniversity of TorontoUniversity of British Columbia
Organismes subventionnairesFord Motor CompanyStanford Center on Philanthropy and Civil SocietyU.S. NavyOffice of Naval ResearchNorthwestern UniversityFetzer Institute
Mots-clésDemocracyPolitical sciencePublic opinionPublic healthLawPolitical economySociologyPoliticsMedicine

Résumé

récupéré en direct d'OpenAlex

= 32,059 participants) testing 25 treatments designed by academics and practitioners to reduce Americans' partisan animosity and antidemocratic attitudes. We find that many treatments reduced partisan animosity, most strongly by highlighting relatable sympathetic individuals with different political beliefs or by emphasizing common identities shared by rival partisans. We also identify several treatments that reduced support for undemocratic practices-most strongly by correcting misperceptions of rival partisans' views or highlighting the threat of democratic collapse-which shows that antidemocratic attitudes are not intractable. Taken together, the study's findings identify promising general strategies for reducing partisan division and improving democratic attitudes, shedding theoretical light on challenges facing American democracy.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,190
Score d'incertitude au seuil0,600

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,102
Tête enseignante GPT0,433
Écart entre enseignants0,331 · 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 tête enseignante, 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

Citations105
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScienceMême sujetElectoral Systems and Political ParticipationTravaux en français237 207