MétaCan
Menu
Retour à la cohorte
Enregistrement W6962600743 · doi:10.17605/osf.io/y5ah3

Quantitative Analysis of the Latent Structures underlying Political Preferences, Attitudes and Values and Voter Clustering in Europe

2023· other· en· W6962600743 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen Science Framework · 2023
Typeother
Langueen
DomainePhysics and Astronomy
ThématiqueOpinion Dynamics and Social Influence
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPoliticsGeneralizationDimension (graph theory)ConformitySpace (punctuation)Principal component analysisMultidimensional scalingSuspectTest (biology)

Résumé

récupéré en direct d'OpenAlex

Claessens et al. (2020, p. 1) theorized that the foundations of political preferences could be based on evolution. Two perpetual fitness trade-offs in human evolution, relating to cooperation and norm-conformity, are reflected in two-dimensional factor spaces often found to be underlying political preferences. Therefore, they suspect them to be universal (Claessens et al., p. 2). Ashton et al. (2005) performed principal component analysis (PCA) on samples from the United States, Canada, Hong Kong, and Ghana to assess the persistence of a two-dimensional space and found structures that could be interpreted as “cooperation” and “conformity” for Canada, Wales, and Hong Kong, however not for Ghana. Research by Jones et al. (2021) provides methods to test for generalization of a factor space in another country. So far unpublished research at Cambridge (Ackland, 2022) found factors interpretable as a cooperation and a conformity dimension in Germany and the Netherlands, however not in Hungary and Italy. Furthermore, it identified voter clusters in these factor spaces. Research covered by this preregistration attempts to determine the structures underlying political preferences in Europe and assess their similarity. In a second step, voters are clustered within these structures and the traits exhibited by those clusters are compared within and across borders.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,560
Score d'incertitude au seuil0,809

Scores Codex et Gemma par catégorie

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

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 Opus0,064
Tête enseignante GPT0,399
Écart entre enseignants0,335 · 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 tête enseignante, 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Science FrameworkMême sujetOpinion Dynamics and Social InfluenceTravaux en français237 207