MétaCan
Menu
← Back to cohort
Record W7161976205 · doi:10.82308/38656

Strengthening electoral integrity through election management

2017· dissertation· en· W7161976205 on OpenAlexaboutno aff
Holly Garnett

Bibliographic record

Venuenot available
Typedissertation
Languageen
FieldSocial Sciences
TopicElectoral Systems and Political Participation
Canadian institutionsnot available
Fundersnot available
KeywordsContext (archaeology)Public managementElectoral systemElectoral reformBureaucracy

Abstract

fetched live from OpenAlex

Planifier et mettre en place une élection représente une entreprise titanesque qui implique plusieurs tâches techniques et administratives telles que l'inscription des électeurs, la transmission d'informations, la mise en place de bureaux de vote, le décompte des votes et l'annonce des résultats. La plupart de ces tâches sont effectuées par des organismes de gestion électorale (OGE), des agences et départements gouvernementaux qui s'occupent de l'administration technique des élections. Cette dissertation se penche sur la question suivante : comment les organismes de gestion électorale influencent-ils l'intégrité des élections ? Cette dissertation aborde d'abord deux phases du cycle électoral qui visent à augmenter la participation électorale : l'inscription des électeurs et la diffusion d'information sur les élections. Ensuite, cette dissertation analyse l'efficacité des organismes de gestion électorale. La première étude de cette dissertation se penche sur l'impact de trois innovations en matière d'enregistrement des électeurs- l'inscription le jour de l'élection, l'inscription en ligne et la préinscription des jeunes- sur l'inscription et la participation électorale dans 49 états américains sur une période de six élections. En codifiant la mise en place de ces innovations à travers le temps et en utilisant trois stratégies de modélisation différentes, cette étude souligne l'importance de considérer les problèmes d'endogénéité et de l'implantation non aléatoire de lois électorales lorsque l'on évalue l'efficacité des innovations en matière d'inscription électorale. La deuxième étude se penche sur les effets du vote anticipé à travers plusieurs élections dans quatre pays : le vote anticipé plusieurs jours à l'avance au Canada, le vote anticipé d'une semaine en Finlande, le vote par la poste sur demande en Allemagne et le vote postal automatique en Suisse. Cette étude démontre que le vote anticipé a peu de chances d'améliorer la participation électorale des groupes qui ont généralement une participation plus faible. Les personnes âgées sont celles qui risquent le plus de se prévaloir du vote anticipé. La dernière étude présente une nouvelle approche pour comparer les organismes de gestion électorale à travers le monde. À l'aide d'une analyse de contenu des sites web des OGE de 99 pays qui compare la diffusion d'information, la communication avec les parties prenantes et la transparence envers le public, cette étude mesure la capacité et l'efficacité des OGE. Ensuite, cette étude évalue la validité de la mesure proposée en effectuant des tests à petite échelle pour vérifier si les OGE communiquent efficacement avec leurs citoyens. Puis, l'étude démontre que cette nouvelle mesure de capacité des OGE est en mesure de prédire l'intégrité électorale d'un pays, ce qui révèle son utilité pour des recherches futures. Cette dissertation démontre l'importance de trois différentes facettes de la gestion électorale pour l'intégrité électorale et propose quelques conclusions. Tout d'abord, nos postulats concernant la gestion des élections et les lois électorales sont parfois faux et doivent donc être testés empiriquement. Deuxièmement, la capacité des OGE et le contexte a plus d'impact sur l'intégrité électorale que les lois et structures formelles. Troisièmement, les pratiques de gestion électorale peuvent avoir des impacts qui diffèrent selon les pays et peuvent avoir plus d'effet sur certains groupes de citoyens que d'autres. Finalement, cette dissertation suggère qu'il importe d'avoir de meilleures données et de d'améliorer nos partenariats avec des parties prenantes en vue d'améliorer l'étude de la gestion et de l'intégrité électorale.

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 imitation

Not 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.

metaresearch head score (Codex)0.005
metaresearch head score (Gemma)0.013
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.012
Threshold uncertainty score0.040

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0050.013
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0020.002
Science and technology studies0.0030.002
Scholarly communication0.0040.002
Open science0.0010.004
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0120.003

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.

Opus teacher head0.071
GPT teacher head0.421
Teacher spread0.350 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designTheoretical or conceptual
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2017
Admission routes1
Has abstractyes

Explore more

Same topicElectoral Systems and Political Participation→French-language works237,207→