Arbeitspapier | Working paper
Policy-motivated candidates, noisy platforms, and non-robustness
"Es wird ein Wahlkampf mit zwei Kandidaten modelliert, in dem die Kandidaten im wesentlichen ein Interesse am Amt haben, aber auch in geringem Umfang eine bestimmte Politik bevorzugen. Die politischen Plattformen, für die sie sich entschieden haben, werden in geringem Umfang mit einem 'Rauschen' an den Wähler weitergegeben. Das Rauschen der Plattformen ist wie folgt zu definieren. Wenn ein Kandidat sich für eine bestimmte Plattform entschieden hat, dann führt das Rauschen dazu, daß der Kandidat in der Wahrnehmung des Wählers mit einer positiven Wahrscheinlichkeit sich für eine andere als die gewählte Plattform entschieden hat. Es wird gezeigt, daß: (1) ein Gleichgewicht existiert, in dem die Kandidaten reine Strategien spielen, unabhängig davon, ob es einen Condorcet-Gewinner zwischen den bestehenden politischen Alternativen gibt und (2) in diesem Gleichgewicht entscheiden sich die Kandidaten für ihre eigenen Ideal-Positionen, d.h. die Plattformen konvergieren nicht." (Autorenreferat)
- Weitere Titel
-
Politikmotivierte Kandidaten, Plattformen mit Rauschen und Nichtrobustheit
- Umfang
-
Seite(n): 28
- Sprache
-
Englisch
- Anmerkungen
-
Status: Veröffentlichungsversion
- Erschienen in
-
Discussion Papers / Wissenschaftszentrum Berlin für Sozialforschung, Forschungsschwerpunkt Marktprozeß und Unternehmensentwicklung, Abteilung Wettbewerbsfähigkeit und industrieller Wandel (00-17)
- Thema
-
Politikwissenschaft
politische Willensbildung, politische Soziologie, politische Kultur
Kandidatenaufstellung
Wahlkampf
politische Einstellung
politische Faktoren
Kandidatur
Wahlverhalten
Modellentwicklung
Wahl
Grundlagenforschung
Theoriebildung
- Ereignis
-
Geistige Schöpfung
- (wer)
-
Lagerlöf, Johan
- Ereignis
-
Veröffentlichung
- (wer)
-
Wissenschaftszentrum Berlin für Sozialforschung gGmbH
- (wo)
-
Deutschland, Berlin
- (wann)
-
2000
- URN
-
urn:nbn:de:0168-ssoar-116248
- Rechteinformation
-
GESIS - Leibniz-Institut für Sozialwissenschaften. Bibliothek Köln
- Letzte Aktualisierung
-
21.06.2024, 16:27 MESZ
Datenpartner
GESIS - Leibniz-Institut für Sozialwissenschaften. Bibliothek Köln. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.
Objekttyp
- Arbeitspapier
Beteiligte
- Lagerlöf, Johan
- Wissenschaftszentrum Berlin für Sozialforschung gGmbH
Entstanden
- 2000
Ähnliche Objekte (12)
Policy-motivated candidates, noisy platforms, and non-robustness
Policy-motivated candidates, noisy platforms, and non-robustness
Enhancing robustness of noisy qutrit teleportation with Markovian memory
Playing for fun or for profit: how extrinsically-motivated and intrinsically-motivated players make the choice between competing dual-purposed gaming platforms
Quantifying robustness: 3D tree point cloud skeletonization with smart-tree in noisy domains
Motivated Procrastination
Robustness analysis of deep neural networks in the presence of adversarial perturbations and noisy labels
Robustness analysis of deep neural networks in the presence of adversarial perturbations and noisy labels
Motivated Risk Assessments
NoiSy
NoiSy
NOiSY
Policy-motivated candidates, noisy platforms, and non-robustness
Policy-motivated candidates, noisy platforms, and non-robustness
Enhancing robustness of noisy qutrit teleportation with Markovian memory
Playing for fun or for profit: how extrinsically-motivated and intrinsically-motivated players make the choice between competing dual-purposed gaming platforms
Quantifying robustness: 3D tree point cloud skeletonization with smart-tree in noisy domains
Motivated Procrastination
Robustness analysis of deep neural networks in the presence of adversarial perturbations and noisy labels
Robustness analysis of deep neural networks in the presence of adversarial perturbations and noisy labels
Motivated Risk Assessments
NoiSy
NoiSy
NOiSY
Policy-motivated candidates, noisy platforms, and non-robustness
Policy-motivated candidates, noisy platforms, and non-robustness
Enhancing robustness of noisy qutrit teleportation with Markovian memory
Playing for fun or for profit: how extrinsically-motivated and intrinsically-motivated players make the choice between competing dual-purposed gaming platforms
Quantifying robustness: 3D tree point cloud skeletonization with smart-tree in noisy domains
Motivated Procrastination
Robustness analysis of deep neural networks in the presence of adversarial perturbations and noisy labels
Robustness analysis of deep neural networks in the presence of adversarial perturbations and noisy labels
Motivated Risk Assessments
NoiSy
NoiSy