The Roots of Affective Polarization: Citizens' Use of Cognitive Shortcuts in a Comparative Perspective.
Bibliographic record
Abstract
Au cours de la dernière décennie, la littérature scientifique s’est fortement intéressée au concept de polarisation affective, qui décrit le phénomène où les groupes partisans se détestent de plus en plus. L’une des questions de recherche ayant reçu le plus d’attention concerne les causes de ce phénomène et deux théories dominent les débats. La première souligne l’importance des groupes sociaux en affirmant que la polarisation affective résulte du déclin des identités partisanes transversales. Ce déclin se constate dans l’augmentation de la concentration des groupes sociaux au sein de l’électorat de certains partis, rendant ainsi plus apparentes les alliances entre groupes sociaux et partis politiques et permettant aux citoyens de projeter leurs évaluations affectives des groupes sur les partis au sein desquels ceux-ci se regroupent. Face à cette interprétation, une autre théorie met l’accent sur les enjeux politiques, avançant que la croissance de la polarisation idéologique augmente l’écart entre les bénéfices que les électeurs peuvent attendre des partis politiques, ce qui augmente l’écart entre leurs évaluations affectives de ces partis.Je développe dans cette thèse l’argument que la distinction entre les deux théories devient nettement plus floue lorsque l’on prend en compte les limites cognitives des individus. En mettant en lumière le rôle des heuristiques dans la manière dont les citoyens traitent l’information politique, cette thèse illustre la difficulté qu’ont ceux-ci à distinguer entre les expressions d’appui envers les groupes sociaux et les engagements politiques des élites partisanes, utilisant ces deux éléments d’information de manière interchangeable. Ce mode de réflexion est appelé « mécanisme heuristique » dans cette thèse.Trois études empiriques sont présentées afin d’étayer cet argument. Les deux premières présentent les résultats d’études expérimentales réalisées sur des participants canadiens et démontrent la difficulté qu’ont les citoyens à distinguer entre les engagements de politique publique des partis et leurs expressions de support à l’égard de groupes sociaux, appuyant ainsi l’utilisation du mécanisme heuristique. Une troisième étude utilise des données observationnelles afin d’étudier les tendances au niveau de la polarisation affective en Europe de l’Ouest et constate que les deux théories développées au sein de la littérature, soit l’approche centrée sur les groupes sociaux et celle centrée sur les politiques publiques, apparaissent être probables dans le contexte européen. Cela dit, les résultats d’une analyse de grappes (clustering) testant l’applicabilité dans ce contexte de la distinction binaire basée sur l’identification partisane afin d’identifier le groupe d’appartenance (in-group) des électeurs offrent un soutien clair en faveur d’une approche plus englobante qui permet à plusieurs partis de faire partie du groupe d’appartenance.Prise dans son ensemble, cette thèse offre d’importantes contributions théoriques et méthodologiques à l’étude de la polarisation affective. Elle illustre comment les réactions affectives des électeurs ne sont pas immunisées vis-à-vis des limitations cognitives qui sont omniprésentes dans la manière dont les citoyens traitent l’information politique à laquelle ils sont exposés. Ce faisant, cette thèse souligne qu’il est important que nos théories rendent compte de ces limitations, sans quoi elles risquent de présenter une version sursimplifiée de la réalité qu’elles souhaitent expliquer et ainsi nous induire en erreur. Parallèlement, la nature comparative de cette étude démontre que le concept de polarisation affective a une forte valeur heuristique dans un large éventail de cas, bien que son opérationnalisation bénéficie grandement d’un ajustement afin de rendre compte de la différente nature de la compétition partisane dans les systèmes multipartites des démocraties occidentales hors-États-Unis
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 | 0.005 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.004 | 0.025 |
| Scholarly communication | 0.009 | 0.012 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 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".