Notice bibliographique
Résumé
It can be difficult for researchers from outside the military to gain access to the field. However, there is a rich source on the military that is readily available for every researcher: military memoirs. This source does provide some methodological challenges with regard to truth and (self) censorship, nevertheless. This study questions how truth and (self) censorship issues influence the content of these military autobiographies. It shows that these issues are not only a concern for researchers, but also for military writers themselves. The study provides concrete quantitative data based on military Afghanistan memoirs published between 2001 and 2010 from five different countries: the UK, the US, Canada, Germany and the Netherlands. The majority of soldier-authors make some kind of truth claim in their books that they also substantiate. Military books published by traditional publishers do so significantly more often than self-published books. In books published in Anglo-Saxon countries soldier-authors make truth claims five times more often than do military authors from the Netherlands and Germany. At the same time, military authors also frequently admit to some form of self-censuring, so truth claims and self-censorship go hand in hand. From each of the countries studied, at least one author mentions being actively censored by the military, but most do not even mention it, making censorship a common, almost normal military feature. Making truth claims, mentioning being censored, or self-censoring do not influence the kind of plots these authors write either in a negative, or positive way.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,007 | 0,022 |
| Communication savante | 0,009 | 0,012 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».