MétaCan
Menu
Retour à la cohorte
Enregistrement W2109149318 · doi:10.5430/bmr.v3n2p138

Conflict Management: The Nigerian Government’s Strategies and the Question of Enduring Peace

2014· article· en· W2109149318 sur OpenAlexvenueno aff
Abosede A. Usoro, Okon Effiong Ekpenyong, Charles Effiong

Notice bibliographique

RevueBusiness and Management Research · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueNatural Resources and Economic Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAmnestyConflict managementGovernment (linguistics)PoliticsNiger deltaOrder (exchange)Political sciencePublic relationsBusinessLawEngineeringDelta

Résumé

récupéré en direct d'OpenAlex

The article x-rayed the conflict management strategies that Nigerian government adopted in Odi and the larger Niger Delta crises. We undertook extensive review of literature related to these two conflict situations to determine which of these strategies - the use of force or the granting of amnesty worked better for the benefit of Nigeria. It was observed that the use of force to manage the Niger Delta imbroglios has always escalated the conflict. On the other hand, the granting of amnesty presented a better platform for managing the conflict and has the potential of resolving the Niger Delta crises if vigorously and holistically pursued. Key recommendations were that: the root cause(s) of conflict should be well established to know the strategy(ies) to use in managing it; the managers of conflict should not rush and employ force to manage any conflict; there should always be active channels for effective communication between the conflicting parties and equitable, just socio-political environment should always be created to forestall the emergence of conflict, leaders should always be proactive on conflict issues through effective communication and dialogue not until when there is a breakdown of law and order.

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)0,008
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0110,018
Communication savante0,0170,010
Science ouverte0,0010,005
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,042
Tête enseignante GPT0,266
Écart entre enseignants0,224 · 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'étudeQualitatif
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

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBusiness and Management ResearchMême sujetNatural Resources and Economic DevelopmentTravaux en français237 207