Fragile and Conflict-Affected States: Exploring the Relationship Between Governance, Instability and Violence
Notice bibliographique
Résumé
‘Fragile and conflict-affected states’ (FCAS) constitute an increasingly important category of aid policy and action. But the category comprises a large and heterogeneous set of countries, problematizing coherent policy response which is often awkwardly split between boilerplate strategy and case-by-case approach. In both respects, efficiency of aid allocations is questionable. There is a need to disaggregate the category into smaller groups of countries, understood according to a more nuanced interpretation of the nature of their fragility. Disaggregation, however, is challenging insofar as it is hard to find a stable reference point internal to the category by which states’ relative performance – and causes of performance – can be determined. An alternative approach is to seek a reference point external to the entire FCAS category – for example a multilateral initiative – which allows us to explore systematic differences between those who sign up and those who do not. This research took the UN’s Scaling Up Nutrition (SUN) initiative as such a mechanism. Splitting FCAS into two groups – those who had joined SUN within its initial two-year phase and those who had not – we reviewed a range of social, economic, political, institutional and conflict/instability indicators to identify areas of significant difference. An unexpected finding was that while SUN-joiners performed statistically better on governance, there was no difference between joiners and non-joiners on the level of instability and violence they suffered, suggesting that some countries, even at high levels of conflict disruption, can achieve areas of relatively good governance.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».