Les élections partielles provinciales au Québec depuis 1867. Un bon thermomètre, un mauvais baromètre?
Bibliographic record
Abstract
Les élections partielles suscitent traditionnellement quantité de commentaires ou d'analyses. Le moment est peut-être opportun de s'interroger sur leur signification réelle. On a eu tendance par le passé à généraliser à outrance, à partir d'une demi-douzaine de cas récents. Un examen approfondi portant sur plusieurs décennies permettra de mieux évaluer le phénomène. En Grande-Bretagne, on dispose de travaux de ce type. Au Québec, malgré l'abondance relative d'études consacrées aux phénomènes électoraux, on s'est peu intéressé aux partielles dans une optique scientifique. Le présent article cherche donc à combler cette lacune en examinant les trois cent dix-neuf élections partielles tenues à l'Assemblée nationale du Québec depuis la Confédération jusqu'en 1976. Pour les fins d'une telle étude, les cent neuf années étudiées ont été découpées en quatre tranches chronologiques correspondant à des périodes bien distinctes de l'histoire politique du Québec. À la suite de cette revue historique, on tentera de dégager quelques grandes tendances. Une analyse des onze élections partielles tenues durant la 31e législature (1976-1981) permettra de constater l'émergence possible d'une nouvelle attitude de l'électorat lors de ce type de scrutins.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.007 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".