MétaCan
Menu
Retour à la cohorte
Enregistrement W2557747985 · doi:10.5539/jpl.v9n10p1

Analyzing the Legal Dimensions of Unmanned Combat Aerial Vehicle in the International Law

2016· article· en· W2557747985 sur OpenAlexvenueno aff
Reza Mousazadeh, Abbas Basiri, Mojtaba Babaee, Ali Tavakoli Tabasi

Notice bibliographique

RevueJournal of Politics and Law · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Law and Human Rights
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBattlefieldInternational humanitarian lawLawFunction (biology)Protocol (science)AeronauticsPolitical scienceInternational lawEngineering

Résumé

récupéré en direct d'OpenAlex

The concept of manufacturing unmanned aircrafts developed before the Second World War. However after World War ΙΙ, the use of these aircrafts in aerial identification missions increased. In the recent decade, unmanned combat aerial vehicles used in order to identify and attack enemies in a direct manner. Unlike Classic wars, the future armed conflicts will focus on the use of military robots that have the ability to fight with robotic armaments which are 1000 kilometers distant from the battlefield and controlled by a person or function in an independent manner. According to the article 36 of the first protocol, each country should be informed about the legal principles of using different forms of robotic armaments such as unmanned combat aerial vehicles. In other words, no specific article or provision has been defined in the international law regarding the inhibition or restriction of manufacturing and developing these armaments. Although according to weapons law, these armaments don’t violate the principle of international law and they don’t threat human right. As a result any use of these unmanned combat aerial vehicles is not illegal. However, it is unlikely that using advanced remote/ robotic armaments be legal or don’t violate the principles of humanitarian law.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0080,036
Communication savante0,0150,013
Science ouverte0,0010,004
Intégrité de la recherche0,0080,010
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,019
Tête enseignante GPT0,299
Écart entre enseignants0,280 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Politics and LawMême sujetInternational Law and Human RightsTravaux en français237 207