A Case Study of Counter Violent Extremism (CVE) Programming: Lessons from OTI’s Kenya Transition Initiative
Notice bibliographique
Résumé
Between 2011 and 2014 the USAID Office of Transition Initiatives (OTI)’s Kenya Transition Initiative implemented what was essentially a pilot program of the new Countering Violent Extremism (CVE) concept. Aiming to counter the drivers of ‘violent extremism’ (VE), this operated through a system of small grants funding activities such as livelihood training, cultural events, community debates on sensitive topics, counselling for post-traumatic stress disorder, and so on. This paper delivers lessons from the program, generated via an independent evaluation, offering insights of relevance to the broader CVE community of practitioners. A first overarching conclusion is that programming decisions would have benefitted from a more comprehensive understanding of VE in the local context. For instance, subsets of the population more narrowly ‘at-risk’ of being attracted to VE should have been identified and targeted (e.g. potentially teenagers, ex-convicts, members of specific clans, and so on), and a greater focus should have been placed upon comprehending the relevance of material incentives, fear, status-seeking, adventure-seeking, and other such individual-level drivers. A second conclusion is that the KTI team would have profited from additional top-level guidance from their donors, for instance, providing direction on the extent to which efforts should have been targeted at those supportive of violence versus those directly involved in its creation, the risks associated with donor branding, and contexts in which the pejorative term ‘extremism’ should have been pragmatically replaced by neutral terminology. As a priority donors and the wider community should also provide suitable definitions of the CVE concept, rather than leaving practitioners to construe (undoubtedly inconsistently) it’s meaning from the available definitions of VE.
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 | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,025 | 0,009 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».