MétaCan
Menu
Retour à la cohorte
Enregistrement W2201244576 · doi:10.1080/01436590701806921

From Guerrillas to Government: post-conflict stability in Liberia, Uganda and Rwanda

2008· article· en· W2201244576 sur OpenAlexaff
David S. McDonough

Notice bibliographique

RevueThird World Quarterly · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePolitical Conflict and Governance
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceArmed conflictState (computer science)Development economicsCivil ConflictCivil societyGovernment (linguistics)PoliticsSocioeconomic statusPolitical stabilityInsurgencyPolitical economySocioeconomic developmentEconomic growthSociologyLawEconomicsPopulation

Résumé

récupéré en direct d'OpenAlex

Post-conflict stability remains an elusive goal for many African countries. The political and socioeconomic preconditions of African civil wars have often persisted after the end of open hostilities and have frustrated regional and international efforts at peace building. The growing role of non-state armed groups in post-conflict governments raises further questions on the important role of guerilla groups in either exacerbating or ameliorating the ‘structural’ preconditions of protracted African wars. The cases of Liberia, Uganda and Rwanda offer important insights on the complex interplay between armed groups and governments that underlie these conflicts. All three countries have been marked by devastating civil wars and the subsequent formation of post-conflict governments led by respective insurgent groups, but only Rwanda and Uganda have made any effort to mitigate the conditions that ultimately led to intra-state violence and state collapse. While the conflict dynamic may heavily condition an insurgent group, these factors alone do not play a determining role in the success or failure of peace building efforts.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,004
Communication savante0,0030,002
Science ouverte0,0000,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,024
Tête enseignante GPT0,274
Écart entre enseignants0,250 · 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

Citations26
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThird World QuarterlyMême sujetPolitical Conflict and GovernanceTravaux en français237 207