MétaCan
Menu
Retour à la cohorte
Enregistrement W2592307713 · doi:10.5539/jpl.v10n2p136

Regional and International Cooperation to Reduce Nagorno – Karabakh Conflict

2017· article· en· W2592307713 sur OpenAlexvenueno aff
Ali Mortazavian, Mohammad Ghiacy

Notice bibliographique

RevueJournal of Politics and Law · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePost-Soviet Geopolitical Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConvergence (economics)Political scienceOrder (exchange)International relationsPolitical economyEconomyBusinessSociologyLawEconomic growthEconomicsPolitics

Résumé

récupéré en direct d'OpenAlex

Almost two decades since conflict broke out between the Republic of Azerbaijan and Armenia, two northern neighbors of Iran, in Nagorno – Karabakh region. Although military conflict in this region has minimized with the existing ceasefire, and reaching a sustainable agreement is likely to be happened by the two parties. Close regional and international cooperation seems necessary more than ever in order to reduce conflict in Nagorno – Karabakh region. The main objective of this study is to give a thorough presentation of the regional and international cooperation in order to reduce Nagorno – Karabakh regional issues and hazards.Hereunder is the main question raised by the researcher: “To what extent regional and international cooperation is effective in reducing Nagorno – Karabakh conflict?”The hypothesis of the present study is that the interrelated nature of security in the international system and Caucasus region causes convergence among neighboring countries to reduce conflict in Caucasus and Nagorno – Karabakh regions. Taking advantage of the analytic – descriptive method and also benefiting from reliable and authentic sources, it can be concluded that the interdependence of threat will lead to the increased mutual costs in this study. This issue will cause formation of convergence in the Caucasus region, so that it will lead to the reduced conflict and tension in Nagorno – Karabakh region.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,003
Communication savante0,0020,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,048
Tête enseignante GPT0,373
Écart entre enseignants0,325 · 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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Politics and LawMême sujetPost-Soviet Geopolitical DynamicsTravaux en français237 207