Enquête à la sortie des urnes Roubaix - Pratiques et opinions lors des élections présidentielles de 2022 (PEOPLE2022 Roubaix)
Bibliographic record
Abstract
Cette enquête a été réalisée à la sortie des urnes lors des deux tours de l'élection présidentielle de 2022 dans 35 des 45 bureaux de vote de la ville de Roubaix. Cette enquête a pour objectif d'étudier les choix de vote ainsi que le suivi de la campagne par les électrices et électeurs d'une commune populaire et permet de mettre en rapport ces éléments avec leurs profils sociaux. Le principal module de cette enquête vise à poser des questions générales sur le comportement politique des individus (sentiment d'influence politique, positionnement sur l'axe gauche-droite, discussions sur les réseaux sociaux, engagements associatifs ou syndicaux...). Le deuxième module vient compléter ces informations par des informations sociodémographiques (âge, sexe, niveau de diplôme, situation financière perçue, situation vis-à-vis de l'emploi, statut professionnel, statut d'occupation du logement, rapport au voisinage et rapport à la religion). Cette enquête permet de déployer une approche localisée de la politique, attentive aux contextes dans lesquels sont produits les votes. Elle permet donc de documenter finement l'hétérogénéité des choix électoraux de populations minoritaires nationalement, mais concentrées sur certains territoires.
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 | 0.006 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.007 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.029 | 0.004 |
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".