North-south collaboration on research and advocacy to reduce armed violence
Notice bibliographique
Résumé
Armed violence is a global problem, yet disproportionately impacts certain nations. In recent years, approximately 90% of all direct conflict deaths occurred in low-income countries in Asia, Africa and Latin America. The situation for indirect deaths is even more disproportionate. Further, the South contains almost all countries that are considered to have active conflicts or are post-conflict, related in part to a shared history of colonialism and underdevelopment. Finally, advocates and academics in the South face greater personal risks than those in the North when speaking out against armed violence, particularly if it involves being critical of political forces. Despite this situation, much of the research and advocacy on armed violence originates from universities and organisations in the North. This is particularly the case when looking at funding, leadership and the initiation of projects. This paper will identify best practices of North-South collaborations on armed violence research, education and advocacy. Precedent exists within research, particularly the work of International Physicians for the Prevention of Nuclear War, the Red Cross and other large medical non-governmental organisations. Similarly, best-practice examples of advocacy can be explored that demonstrate effective North-South collaboration. Future work would benefit from a clear definition of partnership, developing broader networks and working towards a South-driven movement. Support should focus on improving Southern access to resources, as identified by these partners. In addition, Northern partners should prioritise examining and changing the role their societies play in sustaining armed violence in the South.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».