Implementing DDR in Settings of Ongoing Conflict: The Organization and Fragmentation of Armed Groups in the Democratic Republic of Congo (DRC)
Notice bibliographique
Résumé
Although it is common for armed groups to splinter (or “fragment”) during contexts of multi-party civil war, current guidance on Disarmament, Demobilization, and Reintegration (DDR) does not address the challenges that arise when recalcitrant fighters, unwilling to report to DDR, break ranks and form new armed groups. This Practice Note addresses this issue, drawing lessons from the multi-party context of the DRC and from the experiences of former members of three armed groups: the Rally for Congolese Democracy-Goma (RCD-Goma), the National Congress for the Defense of the People (CNDP), and the DRC national army (FARDC). While the findings indicate that the fragmentation of armed groups may encourage desertion and subsequent participation in DDR, they also show that active armed groups may monitor DDR programs and track those who demobilize. Remobilization may follow, either as active armed groups target ex-combatants for forced re-recruitment or as ex-combatants remobilize in armed groups of their own choice. Given these dynamics, practitioners in settings of partial peace may find it useful to consider non-traditional methods of DDR such as the use of mobile patrols and mobile disarmament units. The temporary relocation of ex-combatants to safe areas free from armed groups, or to protected transitional assistance camps, may also help to minimize remobilization during the reintegration phase.
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 | 0,005 | 0,002 |
| 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 | 0,000 | 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 ».