Higher Education, Higher Stakes: Education’s Role in Shaping Redistribution Preferences and Vote Choice in Canada
Bibliographic record
Abstract
Ce mémoire examine l’impact du niveau d’éducation sur les attitudes à l’égard de la redistribution et les comportements électoraux au Canada. En s’appuyant sur le cadre bi-dimensionnel des attitudes redistributives, je distingue entre le soutien à l’État-providence (« redistribution from ») et les perceptions positives ou négatives des bénéficiaires de l’État-providence (« redistribution to »). En utilisant les données de l’Étude électorale canadienne de 2019, j’utilise l’analyse en composantes principales (ACP) pour délimiter plus clairement les deux dimensions des attitudes à l’égard de la redistribution, ainsi que des régressions OLS pour évaluer la relation entre le niveau d’éducation et ces deux dimensions. Après avoir examiné directement le rôle de l’éducation dans l’explication des résultats électoraux au Canada, je procède ensuite à des analyses de médiation KHB sur des régressions logistiques multinomiales pour décomposer les effets de l’éducation sur le choix de vote, en me concentrant sur la manière dont les attitudes envers l’État-providence et les perceptions de la légitimité de ses bénéficiaires médiatisent cette relation. Mes résultats indiquent que des niveaux d’éducation plus élevés sont associés à une diminution du soutien à l’égard de politiques d’aide sociale généreuses, mais à une perception de légitimité plus importante à l’égard des bénéficiaires de l’État-providence. L’éducation influence également le choix de vote de manière directe et indirecte à travers ces attitudes, la légitimité des bénéficiaires jouant un rôle de médiateur plus fort que les attitudes générales envers l’État-providence. Ces effets sur le choix de vote sont particulièrement significatifs pour les Conservateurs et les Libéraux, ainsi que pour les blocs de partis « de gauche » et « de droite », bien que dans des directions opposées. Globalement, ce mémoire met en lumière l’éducation comme un clivage de plus en plus influent au 21e siècle et contribue au discours plus large sur les inégalités économiques et la solidarité sociale en délimitant le rôle de l’éducation dans la formation des comportements électoraux et des préférences en matière de politique publique au Canada
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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 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".