MétaCan
Menu
Retour à la cohorte
Enregistrement W2121517918

UN Angola Sanctions : A Committee Success Revisited

2009· article· en· W2121517918 sur OpenAlexaboutno aff
Anders Möllander

Notice bibliographique

RevueKTH Publication Database DiVA (KTH Royal Institute of Technology) · 2009
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Sanctions and International Relations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSanctionsTransparency (behavior)Political scienceOffensiveLuckGovernment (linguistics)Punitive damagesWork (physics)Public administrationPublic relationsLawEngineeringOperations research
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this paper the March 2000 report of the Panel of Experts of the UN Security Council Angola Sanctions Committee is revisited by the author, who served as the Chairman of this Panel. It is shown that the effects of the report are still visible. Some of the "techniques" of the Committee and its Panel are put forward as contributors to its relative success. Among these are the role played by its dynamic Chairperson, the Canadian UN Ambassador Robert Fowler; the use of media and general transparency in its work; its goal orientation, rather than a legalistic, punitive approach; high evidentiary standards and strict and clear reporting; and luck, in as much as the simultaneous successful offensive of the armed forces of the Angolan government helped bring forth new information. It is argued that Sweden, as a country with a relatively high level of expertise, experience and knowledge, and with its good standing internationally and particularly in the UN could more actively take part in efforts to continue to develop the instrument of smart sanctions. It is further suggested that efforts could be made to strengthen the capacity not only of the UN centrally but also of regional and sub-regional organizations such as the AU and SADC in Africa to propose, design, and follow-up on sanctions regimes.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,918
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,027
Tête enseignante GPT0,251
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 tête enseignante, pas un consensus.

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

Citations3
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKTH Publication Database DiVA (KTH Royal Institute of Technology)Même sujetEconomic Sanctions and International RelationsTravaux en français237 207