Partisan agenda misperceptions in Canada
Notice bibliographique
Résumé
Do citizens accurately perceive partisan political priorities? Democratic politics often unfolds as a strategic game, where both partisans and voters align their preferences and make choices to shape the political landscape and achieve their goals. For this strategic interaction to succeed, players need a clear understanding of their opponents' tactics and priorities. However, several studies show that partisans frequently misperceive both their in-group and out-group on several dimensions, including ideology, policy positions, and group composition. In a previous study, we examined partisan agenda perceptions in Canada. By partisan agenda, we mean the importance each major partisan group assigns to specific policy areas (e.g., the economy, environment, crime, ethics in politics). At a descriptive level, we found that partisans systematically underestimate other groups' priorities and overestimate their own. Certain issues are also more prone to misperception than others. In our multivariate analyses, we found that moderate media exposure and moderate affective polarization improve accuracy, while inattentive individuals, political junkies, and those with high affective polarization tend to be the least accurate. Generally, partisans underestimate the level of attention out-partisans give to various issues, although their underestimation is less pronounced than that of non-partisans. In the present study, we continue to explore partisan agenda perceptions and their correlates, with improved measurements of partisan priorities. All participants will first be asked to report their own issue priorities, ranking political issues by importance in four categories (high, low, unsure). Later in the survey, they will be asked the same question regarding in- and out-party partisans.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,021 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,007 | 0,001 |
| Science ouverte | 0,020 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,252 | 0,225 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».