MétaCan
Menu
Retour à la cohorte
Enregistrement W4411643746 · doi:10.1177/19485506251349584

Personal Relative Deprivation, Not Subjective Status, Explains Support for Economic Redistribution

2025· article· en· W4411643746 sur OpenAlexaff
Jaimie Reynolds, Christopher J. Lively, Martin V. Day, Michael Ryan, Maddison M. Baldwin

Notice bibliographique

RevueSocial Psychological and Personality Science · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensSt. Francis Xavier UniversityMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésRelative deprivationPsychologyRedistribution (election)Social psychologyDevelopmental psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Economic inequality is high and associated with negative societal consequences in many countries. Although economic redistribution policies (e.g., higher taxes) can reduce inequality, support is mixed and only moderately explained by political orientation. Prior research suggests subjective socioeconomic status (SES) can help account for redistributive attitudes. We suggest that personal relative deprivation (PRD)—the experience of perceiving an unfair disadvantage compared to similar others—may also provide useful insight. In four U.S. studies (total n = 2,256), we examined whether PRD, subjective SES, or both consistently explained redistribution support. Higher PRD uniquely related to stronger support for income and wealth redistribution across studies, beyond political orientation and background factors (e.g., income, education). Notably, subjective SES did not consistently predict income or wealth redistribution support. We discuss the contribution of PRD to understanding redistribution policy support and caution about the usefulness of subjective SES for theory and interpretation in this domain.

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)0,012
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 enseignants0,008
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
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)0,0060,000

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 Opus0,123
Tête enseignante GPT0,483
Écart entre enseignants0,360 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial Psychological and Personality ScienceMême sujetEmployment and Welfare StudiesTravaux en français237 207