MétaCan
Menu
Retour à la cohorte
Enregistrement W4410093576 · doi:10.1037/pspi0000495

Asymmetric polarization: The perception that Republicans pose harm to disadvantaged groups drives Democrats’ greater dislike of Republicans in social contexts.

2025· article· en· W4410093576 sur OpenAlexaff
Krishnan Nair, Rajen A. Anderson, Trevor Spelman, Mohsen Mosleh, Maryam Kouchaki

Notice bibliographique

RevueJournal of Personality and Social Psychology · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueElectoral Systems and Political Participation
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésHarmPsychologyDisadvantagedSocial psychologyPerceptionPolarization (electrochemistry)Social perceptionPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

= 2,443) operationalizing partisan dislike in various ways (e.g., blocking on social media, rating the likability of various targets, and evaluating hiring suitability)-that Democrats (i.e., liberals) dislike Republicans (i.e., conservatives) more than vice versa. We provide a potential explanation for this phenomenon by extending the worldview conflict perspective to account for asymmetries in how moralized specific values are among two conflicting groups at a given point in time. Specifically, we theorize that in light of recent social trends in the modern-day United States, the moralized belief that counter-partisans pose harm to disadvantaged groups, particularly racial/ethnic minorities, has become an asymmetric contributor to partisan dislike among Democrats. We found support for our theory across both measurement-of-mediation and experimental-mediation approaches and in both field experimental and survey data. Overall, this work advances research on ideology and outgroup hostility and extends the worldview conflict perspective to better explain partisan dislike. (PsycInfo Database Record (c) 2026 APA, all rights reserved).

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,015
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0150,001

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 Opus0,064
Tête enseignante GPT0,413
Écart entre enseignants0,348 · 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.

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

Citations12
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Personality and Social PsychologyMême sujetElectoral Systems and Political ParticipationTravaux en français237 207