Analyse empirique de la participation aux élections provinciales du Québec 2018
Bibliographic record
Abstract
Dans la recherche des facteurs qui peuvent expliquer la participation des individus au vote, plusieurs études empiriques ont montré de fortes relations entre les caractéristiques sociodémographiques et la participation électorale des individus. Ces études ont été menées en utilisant soit des données agrégées au niveau des pays ou des circonscriptions électorales, soit des données d’enquêtes individuelles. Chacun de ces types de données présente une faiblesse. Les données d’enquêtes individuelles contiennent parfois des informations peu fiables à cause des répondants qui peuvent fournir des informations erronées. Les données agrégées au niveau des pays, quant à elles, ne permettent pas de contrôler pour les caractéristiques de l’élection propre à une circonscription électorale. Pour pallier ces problèmes, ce travail s’est principalement basé sur la construction d’une base de données à partir des données administratives disponibles à des niveaux plus fins d’agrégation à savoir des sections de vote. L’agrégation a ensuite été amenée au niveau des bureaux de vote dans le but d’inclure les votes par anticipation. Pour les deux niveaux d’agrégation, les unités d’observation sont plus petites que celles des circonscriptions électorales. Ceci permet de contrôler les caractéristiques de l’élection propre à une circonscription électorale. Mesurée comme le pourcentage de la population inscrite ayant voté, je montre que la participation aux élections est expliquée par un certain nombre des caractéristiques sociodémographiques. Ceci étant, les conclusions documentées dans les études antérieures sont aussi valables lorsque l’unité d’analyse est le bureau de vote. Je montre aussi que le vote par anticipation a une contribution substantielle dans le vote total et que les facteurs qui expliquent une participation totale élevée dans les bureaux de vote diffèrent de ceux qui expliquent un taux de vote par anticipation élevé. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : vote, vote par anticipation, participation électorale, bureau de vote, caractéristiques sociodémographiques.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".