MétaCan
Menu
Retour à la cohorte
Enregistrement W2107071220 · doi:10.1080/01402380500512742

The myth of free-riding: Refugee protection and implicit burden-sharing

2006· article· en· W2107071220 sur OpenAlexaboutno aff
Eiko R. Thielemann, Torun Dewan

Notice bibliographique

RevueWest European Politics · 2006
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Refugees, and Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRefugeeMythologyFree ridingPolitical scienceEconomicsSociologyLawMicroeconomicsPhilosophyIncentiveTheology

Résumé

récupéré en direct d'OpenAlex

Why do states accept what appear to be disproportionate and inequitable burdens in the provision of international collective goods? Traditional burden-sharing models emphasise free-riding opportunities of small countries at the expense of larger ones. An alternative model suggests that countries specialise according to their comparative advantage as to the type and level of contribution they make to international collective goods. We apply this model to forced migration and suggest that countries can contribute to refugee protection in two principal ways: proactively, through peacekeeping/making and reactively, by providing protection for displaced persons. While the existing literature on peacekeeping provides evidence for the ‘exploitation of the big by the small’, our analysis of UNHCR data of 15 OECD countries for the period 1994–2002 balances this view by showing that reactive burdens are disproportionately borne by smaller states. We also show that EU asylum policy initiatives directed at refugee burden-sharing aim at equalising particular dimensions of states' contributions to refugee protection. By doing so, they curtail opportunities for specialisation and risk consolidating a sub-optimal provision of refugee protection.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,034
Communication savante0,0070,015
Science ouverte0,0030,008
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0230,001

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,261
Écart entre enseignants0,244 · 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 source (Gemma direct ou Codex distillé), 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

Citations68
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWest European PoliticsMême sujetMigration, Refugees, and IntegrationTravaux en français237 207