Notice bibliographique
Résumé
Abstract This article discusses the United Nations and its peacekeeping intelligence. The United Nations has become a player in the global intelligence game. Given the inability of the UN to live up to its peace and security ideals, the disinclination of nations to share intelligence with it, the ad hoc nature of its responses to global crises, and its reluctance to consider itself as an intelligence-gathering organization, the UN's increasing involvement in the global intelligence came as a surprise. However, the UN has privileged access to many of the world's conflict zones, through its peacekeeping operations (PKOs). Its uniformed and civilian personnel serve as the eyes and the ears of the world in many hotspots. They report the latest developments at the frontiers of the world order and in the midst of civil war. In previous years, the UN relied heavily on overt surveillance through overt human intelligence. It employed direct monitoring and direct observation. Although human intelligence has helped resolved conflicts, overt human intelligence is not sufficient. With the new mandate and the difficult and dangerous environment of many PKOs during the Cold War, the United Nations was forced to change and reform its approach to intelligence. The UN is now including imagery intelligence (IMINT) and signals intelligence (SIGINT) in their approach to intelligence and is currently developing intelligence structures within its missions. Topics discussed in this article include: case studies of peacekeeping operations of the UN in countries with conflict such as Korea, Namibia, and Congo; monitoring technologies of the institution; and intelligence cycle of UN.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».