Understanding the Electoral Participation Gap: A Study of Racialized Minorities in Canada
Notice bibliographique
Résumé
Racialized minorities constitute an increasingly substantial segment of modern electorates in Western democracies, in part driven by immigration. Analyzing data from the 2021 Canadian Election Study (N = 9,496) and yearly Democracy Checkup surveys between 2020 and 2023 (N = 26,908), we explore the significance of racial identity as a determinant of voter turnout. Our findings reveal stark disparities in electoral participation between the most racialized minority groups in Canada and the White majority. Except for Latino identifiers, Indigenous, Asian, Black, and Arab-identifying respondents all exhibit lower voting rates, with Black voters facing the most significant gap, nearly 16 percentage points below their White counterparts. The gap is particularly prominent among second-generation racialized Canadians, suggesting that newcomers to Canada exhibit relatively high levels of engagement compared to their children. Next, we explore three key individual factors that may contribute to the gap: differences in socioeconomics, psychological engagement, and mobilization and community embeddedness. We employ a linear decomposition technique to assess the contributions of these factors to the majority–minority participation gap. Our analysis underscores the potency of socio-economic and psychological models in explaining minority under-participation in the Canadian context. The mobilization and community embeddedness model, however, exhibits weak explanatory power. Despite these insights, a substantial portion of the participation differentials remains unexplained, suggesting the necessity for novel perspectives to understand gaps in the electoral participation of racialized electors.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».