Vying for votes: a comparison of off- and online election campaign strategies
Notice bibliographique
Résumé
Elections are a fundamental part of the political process. Today, election campaigns not only focus on traditional strategies to attract voters but also use social media as a tool. I analyse and compare campaign strategies from three different angles in this thesis. The first paper examines how Get Out The Vote (GOTV) leaflets can influence turnout for the neighbours of households which receive flyers. Focusing on a GOTV campaign during a UK election, I show that spillover effects for party supporters are lower when the share of rival party supporters is high. At the same time, turnout spills over to rival party supporters in mixed partisan neighbourhoods. Turning to online election campaigns, the second paper analyses social media usage from the lens of parties in Switzerland. Using data from party-affiliated Twitter accounts during the 2015 Federal Election, I study how cohesively parties organise their members and how coherent parties’ programmatic messaging is. The results show that smaller-sized and newer parties have higher organisational cohesion and that most parties exhibit low levels of programmatic coherence. Switching the lens to candidates, I analyse social media use by candidates during the 2019 European Parliament elections. The third paper introduces a comprehensive dataset of parties, candidates, and their Facebook and Twitter accounts and describes how the data was collated. To show the range of potential applications of the dataset, I outline an analysis of social media adoption and discuss other research areas in which this data could be useful. The final paper studies whether electoral systems guide if and how individual candidates use social media. The results show that when the electoral system favours person- over party-based campaigning, candidates do not use Twitter more but adapt their communication style to engage voters instead of broadcasting information.
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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».