Notice bibliographique
Résumé
Recent events such as the terrorist attack in Algeria (January 2013), the Boston Marathon Bombing (April 2013), the apprehension of two suspected al-Qaeda linked terrorists in Toronto, (April 2013), highlight the requirement for greater understanding regarding the radicalization and recruitment of terrorists. As detailed in the US Department of State Report (2011), over 10,000 terrorist attacks occurred in 2011, affecting nearly 45,000 victims in 70 countries and resulting in over 12,500 deaths. With a focus on the outcomes and results of terrorist activities, terrorism itself often becomes a ‘blackbox' concept that does not capture the essence of the radicalization process nor the mechanisms of recruitment. This conceptual paper introduces Actor Network Theory (ANT) as a systems lens to open the ‘blackbox' of terrorism. This systems lens ‘…is a discipline for seeing wholes. It is a framework for seeing interrelationships rather than things, for seeing patterns of change rather than static snapshots' (Senge, 1990:68). The systems view facilitated by ANT is supported and informed by methods of network analysis and conceptual modelling that highlight how dynamic networked actors shape the radicalization process through the actor network process of translation.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,019 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,002 | 0,017 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».