MétaCan
Menu
Retour à la cohorte
Enregistrement W2067207154 · doi:10.1080/09546553.2013.847826

Numerous, Capable, and Well-Funded Rebels: Insurgent Military Effectiveness and Deadly Attacks in Afghanistan

2014· article· en· W2067207154 sur OpenAlexaff
Eric Jardine, Simon Palamar

Notice bibliographique

RevueTerrorism and Political Violence · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePolitics and Conflicts in Afghanistan, Pakistan, and Middle East
Établissements canadiensCarleton UniversityCentre for International Governance Innovation
Organismes subventionnairesnon disponible
Mots-clésInsurgencySecurity forcesPolitical scienceFunction (biology)CriminologyPolitical economyComputer securityLawSociologyPoliticsComputer science

Résumé

récupéré en direct d'OpenAlex

Why do some of Afghanistan's provinces experience more deadly attacks on counterinsurgents than others? We argue that provinces with more militarily effective insurgents will be deadlier for the forces of the counterinsurgency. We posit that insurgent military effectiveness is an interactive function of the rebel group's size, the quality of its recruits, and the group's operational budget. More militarily effective insurgents should, in turn, produce more deadly violence against Coalition forces. We model this relationship at the provincial level in Afghanistan using negative binomial regressions. Ultimately, we find that in provinces where the insurgency is more militarily effective, deadly attacks against counterinsurgent forces occur more often. Based on this finding, we conclude with directions for future research and policy recommendations for both the current operations in Afghanistan and for future counterinsurgency campaigns.

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)0,001
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,633
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,012
Tête enseignante GPT0,288
Écart entre enseignants0,276 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTerrorism and Political ViolenceMême sujetPolitics and Conflicts in Afghanistan, Pakistan, and Middle EastTravaux en français237 207