Citizens as election forecasters : the determinants and consequences of voters’ electoral expectations
Bibliographic record
Abstract
Prédire est une activité du quotidien. Nous formons sans arrêt des jugements portant sur l’avenir. Cela n’a rien d’étonnant puisque la pensée prospective est une condition essentielle à la survie et à la créativité du genre humain. Prédire est aussi l’une des fonctions premières de l’entreprise scientifique. L’idée qu’il puisse y avoir des facteurs ou des conditions améliorant les compétences prévisionnelles des individus est controversée. Il existe en effet une certaine confusion entre l’entreprise prévisionnelle de nature scientifique et les manifestations plus folkloriques de la prédiction apparentées à la simple prophétie ou à la divination. Pourtant, un nombre croissant de travaux démontrent que la qualité et la précision des inférences prospectives s’expliquent au moins en partie par l’information dont disposent les individus. Au cours des dernières décennies, la science politique a connu un regain d’intérêt pour la prévision électorale. La prévision citoyenne est l’une des méthodes ayant rencontré le plus de succès pour prédire les résultats d’élections. Cette méthode consiste, comme son nom l’indique, à sonder les citoyens pour obtenir leurs prédictions. Ces prédictions sont ensuite agrégées ou incorporées à des modèles afin d’estimer l’issue la plus probable d’une course électorale. Cette thèse vise à identifier et à estimer l’effet de différentes variables sur les capacités prédictives des citoyens. Elle a aussi pour objectif de déterminer les conséquences des attentes électorales déçues sur la satisfaction envers la démocratie et l’intégrité perçue du processus électoral. La démonstration empirique repose sur une variété d’études électorales et comprend quatre articles formant chacun un chapitre à part entière. Au total, plus de 730 000 prévisions électorales de citoyens dans 11 pays différents ont été récoltées pour cette thèse. Le premier article s’intéresse au rôle de la sophistication politique et tout particulièrement de la connaissance politique factuelle des individus sur leur capacité à prédire les résultats d’élections. Cet article cherche également à déterminer si le niveau de connaissances politiques d’un individu peut exercer un effet modérateur sur la relation qui existe entre les préférences partisanes d’un individu et ses attentes électorales. Pour ce faire, des données du projet Making Electoral Democracy Work couvrant des élections au niveau régional/national et de la circonscription dans trois pays (soit le Canada, la France et l’Allemagne) sont employées. Les résultats supportent l’hypothèse voulant que les électeurs les mieux informés soient de meilleurs prévisionnistes. Toutefois, un niveau élevé de connaissances politiques ne semble pas suffire pour amenuiser l’influence des biais partisans sur les attentes électorales des individus. Le premier article introduit également une nouvelle mesure fondée sur l’indice de Brier afin d’évaluer la qualité des prévisions probabilistes en contexte électoral. Le deuxième article propose une stratégie de pondération visant à accorder plus d’importance aux prévisions des individus ayant un potentiel élevé d’habilité prévisionnelle. Selon le principe du « miracle de l’agrégation », en l’absence de biais systématiques, les erreurs dans les jugements individuels au sein d’une population devraient s’annuler mutuellement et mener à une décision juste au niveau agrégé. Ce phénomène traduit l’idée d’intelligence collective (ou de « sagesse des foules »). L’agrégation aurait donc des propriétés épistémiques. Le deuxième article cherche par conséquent à tirer profit du niveau variable de compétence au sein d’un groupe afin de maximiser l’apport informationnel des membres jugés les plus compétents sans toutefois faire fi de la contribution des membres jugés moins compétents. Deux mesures ont été retenues pour évaluer ce potentiel de compétence, à savoir un indice du niveau de connaissances politiques factuelles des répondants et un indice de performance prévisionnelle passée. Cet article mobilise la théorie des réponses aux items ainsi que des données de panel afin de créer ces indices de pondération. L’analyse des données, provenant d’élections locales au Canada, en France, en Allemagne et en Grande-Bretagne, démontrent que l’agrégation pondérée constitue une alternative supérieure à l’agrégation non pondérée. Le troisième article vise à établir la relation existant entre les interactions sociales d’un individu et son exactitude prédictive. Un nombre restreint de travaux suggèrent que certaines caractéristiques des réseaux de sociabilité peuvent générées suffisamment d’informations pertinentes permettant de dresser un portrait assez précis de l’électorat et de ses préférences. Plus précisément, la fréquence des discussions politiques à l’intérieur d’un réseau, son niveau d’hétérogénéité, sa taille ainsi que le degré d’expertise politique de ses membres devraient contribuer à l’exactitude prédictive d’un individu. Ce troisième article emploie l’approche méta-analytique pour analyser le rapport qui existe entre ces quatre variables et l’habilité prévisionnelle des citoyens. Les analyses reposent sur une base de données rassemblant près de 70 sondages électoraux menés dans 10 pays différents. De manière générale, la nature des interactions interpersonnelles d’un individu semble avoir peu d’importance sur sa capacité à prévoir les résultats électoraux. Le quatrième et dernier article se penche sur les conséquences des attentes électorales non comblées des citoyens. L’impact des attentes insatisfaites sur les attitudes post-électorales demeure relativement peu étudié. En vertu de la théorie de la confirmation des attentes, les électeurs ayant incorrectement prédit la victoire de leur parti ou de leur candidat favori devraient afficher un niveau de satisfaction envers le fonctionnement de la démocratie plus bas que celui des électeurs ayant correctement anticipé la défaite de leur parti ou de leur candidat favori. Ces électeurs devraient également se montrer moins confiants envers l’impartialité du processus électoral. Les vainqueurs « surpris » devraient pour leur part être davantage satisfaits et confiants que les vainqueurs ayant correctement anticipé le résultat. Des données provenant de plus de 20 élections régionales et nationales dans quatre pays (soit le Canada, la France, le Royaume-Uni et les États-Unis) semblent indiquer que les attentes des électeurs n’ont guère d’effet sur leur niveau de satisfaction envers la démocratie. Dans un certain nombre de cas, les perdants surpris par le résultat de l’élection sont toutefois plus susceptibles de mettre en doute l’intégrité du processus électoral. Ceci est tout particulièrement vrai pour l’élection présidentielle américaine de 2020 qui a été marquée par un nombre inhabituelle d’accusations de fraude et de pratiques déloyales. Dans les contextes de forte polarisation, les attentes insatisfaites peuvent possiblement aggraver les conséquences d’une défaite. La conclusion revient sur les principaux résultats de chacun des articles et aborde leurs implications pour la recherche dans le champ de la prévision électorale. Les contributions de cette thèse sont d’intérêt à la fois théorique et pratique. D’un point de vue théorique, les résultats renforcent la notion d’« habilité prévisionnelle » en établissant une association positive entre connaissances politique factuelles et performance prévisionnelle à différents niveaux d’élections et dans différents systèmes électoraux. Les résultats mettent également en doute les explications en termes d’interactions sociales ou, à tout le moins, invitent à repenser la manière dont nous mesurons les caractéristiques des réseaux de sociabilité. Cette thèse est également un des rares travaux à considérer l’influence des attentes électorales des citoyens sur leurs attitudes envers le fonctionnement de la démocratie et le processus électoral suivant une défaite ou une victoire imprévue. Enfin, d’un point de vue pratique, les résultats suggèrent que la pondération des jugements individuels en fonction de la compétence constitue une stratégie viable afin d’améliorer la mesure de l’opinion publique en ce qui a trait aux résultats projetés des élections.
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 | 0.007 | 0.041 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".