MétaCan
Menu
Retour à la cohorte
Enregistrement W2292072764 · doi:10.1177/0974928415602602

‘Good Policy’ Gone Bad: Institutionalised Ranking of Citizens and Identity Conflicts in Nigeria

2015· article· en· W2292072764 sur OpenAlexaff
Surulola Eke

Notice bibliographique

RevueIndia Quarterly A Journal of International Affairs · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePolitical Conflict and Governance
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésDiversity (politics)MainstreamIdentity (music)PoliticsState (computer science)Political economyPolitical scienceSociologyColonialismCollective identityIsolation (microbiology)Public relationsLawLaw and economicsAesthetics

Résumé

récupéré en direct d'OpenAlex

Contrary to mainstream thinking, the existence of diversity does not necessarily condemn a state to instability and chaos. In fact, difference is a good ingredient for progress because each group contributes its unique experiences and peculiar qualities to the cause of a nation. To produce crisis, diversity must be worked on or manipulated. With a view to gaining deeper understanding of the factors that impact on identity diversity to create conflict in Nigeria, a number of conflict theatres in the country were examined. Having explored each case, the article notes that the policies of the colonial state, that emphasised group differentiation, laid the foundation for identity conflicts. The post-colonial state is just as guilty. Its administrative arrangement for managing diversity, the federal character principle (FCP), has failed to exploit the country’s diversity to produce development. Instead, it has deepened the isolation of certain groups, thus, inhibiting national integration. Added to the deliberate manipulation of diversity for personal interests by the political class, the incidence of identity conflicts in the country can be explained. Going forward, the author stresses the need to review the FCP and close all loopholes in its enabling laws that allow for easy misinterpretation and deliberate misapplication.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,685
Score d'incertitude au seuil0,393

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,001
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 Opus0,022
Tête enseignante GPT0,330
Écart entre enseignants0,308 · 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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndia Quarterly A Journal of International AffairsMême sujetPolitical Conflict and GovernanceTravaux en français237 207