What's the Consensus on Incumbency Advantage in Canada's Territories
Notice bibliographique
Résumé
What is the strength of incumbency advantage in a non-partisan electoral system? More specifically, does incumbency advantage in non-partisan electoral systems align with or contradict what we expect in a partisan electoral system? Little to no work has examined whether the conclusions of the standard incumbency advantage literature travel to non-partisan systems. This thesis uses Canada’s three Northern territories as a case study to compare incumbency advantage partisan versus non-partisan political systems. The thesis uses a regression discontinuity design and logistic regression models to measure incumbency advantage in the territories. The thesis finds mixed results on incumbency advantage. On one hand, the results suggest that there a weak scare-off effect experienced by incumbents in territorial elections. Moreover, contrary to expectations, incumbency is weaker in rural districts compared to urban districts. Lastly, the findings of this thesis suggest that incumbency advantage in Nunavut is weaker than in the Northwest Territories. With that being said, no difference in incumbency was found between in consensus government and the Yukon’s partisan system. This thesis contributes to three subfields of political science research. First, this thesis demonstrated the methodological challenges of working with small samples sizes, which have the tendency to limit the ability to use causal inference methods. Likewise, this thesis contributed to the incumbency advantage literature, using a non-partisan case study, which showed that partisanship should not be over-emphasized when studying incumbency. Lastly, this paper contributed to the Northern Canadian politics literature, by presenting a new dataset on territorial elections, and using quantitative methods on a case study that has previously relied on qualitative research
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 | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,013 | 0,007 |
| Communication savante | 0,010 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
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 ».