Spatial Voting Models: A Dynamical Systems Approach
Notice bibliographique
Résumé
Spatial voting models have been used extensively to study factors affecting candidate positioning in elections. Most previous research has fixed candidate positioning at one point in time to determine optimal candidate payoff. In this paper we examined candidate positioning within a dynamical system, thereby adding a temporal component to the analysis that allowed for a more realistic model of candidate behaviour in the lead-up to an election. Using a two-candidate and one-voting bloc case, the results from this research identified several critical points that described different types of candidate equilibria. Competitive critical points mirrored findings in previous research. Flip-Flop and Noncompetitive points, however, identified sub-optimal candidate positions that might arise during an election. Flip-flop points appeared to highlight situations in which candidates oscillated between trying to outmaneuver their opponent and attempting to move closer to their ideological positions. Noncompetitive points seemed to describe candidate intransigence regarding their policies. Bifurcation analysis revealed how the dynamical system was affected by subtle differences in the voting bloc’s position. We also examined the relationship between the Nash equilibrium solution concept and asymptotic stability of critical points. Although our findings suggested that Nash equilibrium points are always asymptotically stable critical points, the converse was not necessarily true. Future studies might extend this spatial voting model by increasing the number of candidates or weighting the voting blocs to see how these changes affect the dynamics. Additional research could also investigate whether it is true that an asymptotically stable critical point with complex eigenvalues is never a Nash equilibrium point in all dynamical systems.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».