MétaCan
Menu
Retour à la cohorte
Enregistrement W2043930431 · doi:10.5555/3191835.3191970

Understanding south asian violent extremist group-group interactions

2014· article· en· W2043930431 sur OpenAlexaff
David B. Skillicorn, Francesca Spezzano, V. S. Subrahmanian, Mollie Rachel Garber

Notice bibliographique

RevueAdvances in Social Networks Analysis and Mining · 2014
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueComplex Network Analysis Techniques
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésBetweenness centralityCentralityPageRankAgency (philosophy)TerrorismGroup (periodic table)Computer securityComputer sciencePoliticsSocial network analysisPolitical scienceSociologyTheoretical computer scienceMathematicsWorld Wide WebSocial scienceCombinatorics

Résumé

récupéré en direct d'OpenAlex

The South Asian Violent Extremist Group (SAVE) dataset describes 500 interactions between 30 South Asian terrorist groups over a 20-year period. We analyze 4 types of interactions between these groups (financial, logistical, operational, and political) via 4 network-theoretic techniques: spectral decomposition and Simmelian ties in an undirected version of the network, and PageRank and betweenness centrality on directed versions of the network. We identify the major players in both the provision and the flows through this network for each type of support. Our analysis shows that the five entities most involved in providing and facilitating all forms of support are Al Qaeda, the Pakistani Inter-Services Intelligence Agency, the Taliban, Lashkar-e-Taiba, and Tehreek-e-Taliban Pakistan.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,976
Score d'incertitude au seuil0,907

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,293
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Social Networks Analysis and MiningMême sujetComplex Network Analysis TechniquesTravaux en français237 207