Lojalność, krytyka i rozstanie w relacjach Polaków z partiami politycznymi
Bibliographic record
Abstract
W artykule postawiono trzy pytania badawcze. Pierwsze z nich porusza kwestię tego, jak bardzo lojalne są elektoraty polskich partii politycznych. Drugie pytanie badawcze dotyczy tego, w jaki sposób rozbieżność między autodeklaracją ideologiczną jednostek a postrzeganą pozycją partii na osi lewica-prawica wiąże się z wybieranymi przez nie strategiami lojalności, krytyki i rozstania. Ostatnie pytanie odnosi się do tego, jak powyższe mechanizmy oddziałują na współczesną scenę wyborczą. W oparciu o koncepcję Alberta Hirschmana dokonano podziałów wyborców na: a) głosujących na tę samą partię i niekrytykujących (lojalni), b) głosujących, ale krytycznych wobec partii, którą wybrali (krytykujący), c) przenoszących głos na inną opcję (rozstający się). Analiza została przeprowadzona na podstawie danych Polskiego Generalnego Studium Wyborczego z 2011 r. Wyniki badań wskazują, że polscy wyborcy są relatywnie słabo przywiązani do partii, na które głosują. Wraz ze zwiększającym się dystansem ideologicznym rosło prawdopodobieństwo zastosowania strategii rozstania. Szczegółowa analiza wykazała również, że na wynik wyborów parlamentarnych w 2011 r. wpływ miał mechanizm rozstania uruchomiony wśród wyborców centrum, centrolewicy i centroprawicy oraz strategia lojalności wyborców prawicowych.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.004 | 0.010 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.022 | 0.002 |
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".