Ethnic Group Recruitment in the Indian Army: The Contrasting Cases of Sikhs, Muslims, Gurkhas and Others
Notice bibliographique
Résumé
rT nhe Indian army is one of the largest in the world, with a history going back several hundred years. Several historical works about the army have been written, both by professional soldiers and academics. Some attention has been paid by military historians to the question of class or caste/ethnic/religious/regional group composition of the troops and officers of the army during the colonial period. What is lacking, however, is a systematic account of the ethnic group recruitment to the army since independence and the related questions of the following order: What, historically, is the pattern of recruitment in the Indian army? What changes and continuities with previous policies are discernible? What is the current recruitment policy? Does the composition of the military personnel mirror the religious and ethnic diversity of the Indian national population? If so, to what extent over time? If not, why not and to what extent? Does the military attempt to inculcate national values and perspectives in recruit training and professional military education? Do common military training, corporate life in a highly disciplined environment, isolation in cantonments, and shared experiences serve to reduce ethno-religious identification by building ethnic cross-pressures? Is there trans-community deployment of military personnel? Are promotion decisions based on perceived competence rather than on ethno-religious affiliation? Finally, what is the impact of the polarization of Indian society along the religious divisions of Hindu, Muslim and Sikh, particularly during the last two decades? This paper attempts to answer these questions based on the conversations and writings of military officers, and the published accounts of defence ministers, politicians and informed journalists.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,005 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».