L’identification partisane au Québec : les déterminants et effets dans l’élection de 2018
Bibliographic record
Abstract
L’identification partisane, comme concept d’analyse en comportement électoral, est transversale. Ce concept est présenté et analysé dans différents contextes géographiques, historiques et sociaux. Il est questionné, critiqué et, dans certains cas, accepté par les chercheurs du comportement électoral. Cela étant dit, l’identification partisane a longtemps été mise de côté au Québec au profit d’autres variables perçues comme étant plus probantes dans l’explication des comportements politiques. Ce mémoire réexamine l’identification partisane en tant que phénomène sous-étudié dans le contexte électoral québécois. Pour y arriver, ce mémoire analyse l’identification partisane grâce à un sondage postélectoral tenu après l’élection québécoise de 2018, une élection surprenante et importante avec la victoire historique de la CAQ. Le mémoire a deux objectifs principaux. Premièrement, il vise à mieux comprendre le profil sociodémographique et les opinions des partisans québécois. Deuxièmement, il examine les effets de l’identification partisane sur les attitudes et les perceptions politiques. Les résultats suggèrent que les partisans québécois sont relativement nombreux et qu’ils présentent un profil assez typé: ils sont plus âgés, croient que l’enjeu de l’indépendance est important et ont une opinion plus extrême sur l’axe gauche-droite. Les résultats montrent également que ces mêmes partisans sont plus intéressés à la politique, plus satisfaits du fonctionnement du système démocratique, plus optimistes à propos de la disposition des gouvernements à répondre aux demandes de l’électorat mais moins susceptibles de penser qu’ils peuvent comprendre la politique et y participer. Ce mémoire conclut que la question de l’identification partisane au Québec mérite une plus grande attention de la part des chercheurs que ce ne fut le cas jusqu’à présent.
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 | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".