The Montagu Principle: Incivility decreases politicians' public approval, even with their political base
Notice bibliographique
Résumé
M. W. Montagu asserted that, “civility costs nothing and buys everything.” In the realm of social judgment, the notion that people generally evaluate civil people more favorably than uncivil people may be unsurprising. However, the Montagu Principle may not apply in a hyper-partisan political environment in which politicians “throw red meat to their base” by unleashing uncivil, personal attacks against their opponents, satisfying the aggressive desires of their most hyper- partisan supporters, and thus potentially redoubling their approval among them. We conducted two longitudinal/observational studies of U.S. Congress and President Trump, and 4 experiments (N = 4837) involving real exchanges between President Trump and his adversaries and a speech by a fictitious politician. Civility helped or did not affect—but never harmed—the reputation of the speaker, supporting the Montagu Principle. Even self-identified “diehard supporters” of President Trump, for example, evaluated the president more favorably after he responded with civility to a personal attack. Uncivil remarks uniquely diminished the speaker’s reputation, and had little impact on the reputation of the targets of the attack, the perceived winner of the verbal exchange, the reputation of the speaker’s party, or the sense that the country is moving in the right direction. Incivility made the speaker seem less warm and did less to affect perceptions of dominance or honesty. This warmth deficit explained the reputational costs of incivility.
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 | 0,010 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,002 |
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 ».