Book Review: The Structural Prevention of Mass Atrocities: Understanding Risk and Resilience
Notice bibliographique
Résumé
Scholarship on the structural prevention of genocide and mass atrocities is, for the most part, saturated with identifying the ‘root causes’ of deadly violence. Conversely, the causes of peace and the processes that de-escalate tensions – in effect, “what goes right” – remain comparatively under researched. In his book The Structural Prevention of Mass Atrocities, Stephen McLoughlin contends that positioning prevention simply on identifying and ameliorating risk factors erroneously assumes a linear inevitability between cause and outcome, and thus “fails to explain why some at-risk countries experience mass atrocities, yet others do not” (3). McLoughlin convincingly advocates an analytical framework, which broadens structural prevention to include local and national conditions that mitigate risk by fostering resilience and stability. He then applies this framework to the cases of Botswana, Zambia, Tanzania and (an internal, relatively autonomous area within Tanzania), Zanzibar. By introducing a model that navigates the complex relationship between risk and resilience, McLoughlin complements the chorus of scholars asking “why?” mass atrocities occur, by asking “why not?” This book gently reminds readers that there are invaluable lessons to be learnt from peaceful non-events as much as from international tragedies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».