MétaCan
Menu
Retour à la cohorte
Enregistrement W2170200468

Policy Instruments and External Shocks: Explaining Differences in the Speed of U.S. Client State Acquisitions

2009· article· en· W2170200468 sur OpenAlexaboutno aff
Stephen J. Majeski, David Sylvan

Notice bibliographique

RevueSSRN Electronic Journal · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Relations and Foreign Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArgument (complex analysis)BureaucracyState (computer science)PoliticsTipping point (physics)Foreign policyPoint (geometry)Basis pointPolitical economyPolitical scienceEconomicsMacroeconomicsLawEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Explaining why political events occur at different speeds is usually done by invoking tipping points or shocks. We argue that the latter, although a starting point, is inadequate and has to be supplemented, at least for activities involving multiple bureaucracies, by the policy instruments embedded in organizations and capable of being deployed in particular times and places. This is illustrated by a focus on U.S. foreign policy, the aim being to account for why the United States took much longer to acquire client states in Central America and the Caribbean in the first two decades of the twentieth century than it did to acquire South American and Canadian clients at the outbreak of World War II. The argument is that shocks can deploy certain policy instruments faster and on a more wholesale basis than others. One of the striking features of political life is the great difference in the speed at which apparently similar events occur. We are all familiar with legislative struggles, organizing efforts, or military campaigns which advance at a snail’s pace for years or decades, only to conclude with rapid success. Typically, this sort of belated acceleration is explained by appeals to either tipping points, in which some incremental process finally crosses a threshold; or shocks, in which an

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,093
Score d'incertitude au seuil0,270

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,310
Écart entre enseignants0,296 · 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.

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

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetInternational Relations and Foreign PolicyTravaux en français237 207