Personality-Politician Conjoint Experiment
Notice bibliographique
Résumé
Which traits affect a politician's success and electability? Scholars have examined several attributes such as gender, race, or social class (e.g., Carnes and Lupu 2016; Hainmueller et al. 2014; Hobolt and Rodon 2020; Schwarz and Coppock 2020). To a lesser extent, personal characteristics have been examined. For instance, Druckman and colleagues (2004) investigate the effect of competence and sociability. Personality has also been in the center of literature in psychology and political science to understand how specific traits can influence citizens' preferences (e.g., Aichholzer and Willmann 2020; Caprara et al. 2003; Caprara and Zimbardo 2004, Nai et al. 2021). In this project, we analyze the effect of politician's personality on voters' preferences and attitudes. The design is built around the findings from the first part of the paper (observational study). Using a unique dataset with personality measures of citizens and incumbent politicians in Belgium, Canada, and Israel, we find that citizens prefer politicians with a high score for conscientiousness and emotional stability. Further, we observe that citizens tend to prefer politicians that are similar to them in terms of personality. Finally, we show that citizens' personality preferences are strongly similar to politicians' actual personalities. This experiment aims to complement these results by looking at the comparative effect of traits. We designed a conjoint analysis in Canada, Israel, and Belgium to test whether a party leader's personality can influence the voter's choice and preferences.
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 | 0,007 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,003 |
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 ».