A person-centered and situated approach to populism in representative surveys
Notice bibliographique
Résumé
A standard operationalization of populist attitudes is a variable-centered approach, approach assuming that any person can meaningfully position itself along a simple 'good people vs. bad elites/others' spectrum. This assumption does not fully align with the inherently discursive nature of populism which means that populism is embedded in narratives people make up, use, reject or change to pursue their goals in a sociocultural context. The main goal of the paper is to argue for a contextually sensitive and person-centered measurement of populism in representative surveys. However, surveys only offer a snapshot of who, when, where and how endorse populistic narratives, and it cannot account for changes in developmental dynamics of human mind, and consequentially populism. To illustrate the proposal, we may use a case of USA 2020 elections when according to chatGPT, three most prominent populistic narratives were: antiestablishment sentiment, economic populism and nationalism. All of them are vaguely represented by survey items in Comparative Study of Electoral Systems Module 5. ChatGPT helped us choose two resembling items per narrative. On a sample of 7389 participants, we have done a Latent Profile Analysis in R. Comparing 2 to 10 classes models, 4 classes had the best statistical fit and were intangible. Each class can be understood as a symbolic community because people share positions toward narratives and thereby convey underlying meanings. For further explorations of classes and their predictors, view https://osf.io/hxfbs/.
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 | 0,104 | 0,217 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».