Time to move out of the shadows? Special operations forces and accountability
Notice bibliographique
Résumé
On his retirement as head of the United States ('US') Joint Special Operations Command, Admiral William McRaven argued that the US was in 'the golden age of Special Operations'. 1 Indeed, according to one 2010 estimate special operations forces ('SOF') from the US were present in 75 countries 2 and by 2013 this had risen to 134. 3 In addition, SOF from Australia, Canada and the United Kingdom ('UK') have been operating in a number of jurisdictions.There are four reasons why SOF have become so prominent in contemporary counterterrorism and counter-insurgency operations.The first is tactical.In the current context SOF have been better able to perform functions that large numbers of troops operating conventionally have not.These include reconnaissance, forward air control, hostage rescue, training and mentoring local forces and, perhaps most controversially, targeted killing.These types of functions have become core to the latest phase of the counter-terrorism operations which began after the 2001 terrorist attacks on the US.In this area SOF operations can be either 'white' (openly acknowledged combat, kill or capture missions, and/or the training and mentoring of local forces) or 'black' (covert or clandestine kill or capture missions and/or assistance to local forces). 4 The second reason is strategic.SOF may function, as they arguably are at the moment, as a method of maintaining counter-insurgency and counter-terrorism operations 'under the radar' -reducing the publicity and 'mission creep' that accompanies conventional operations.In
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 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».