Notice bibliographique
Résumé
High-profile recent conflicts involving lucrative natural resources in such countries as Angola and Sierra Leone have drawn increasing attention to the link between natural resources and violence. While recent strategic, media, and academic attention has understandably focused on Iraq, the United States currently imports 15 percent of its crude oil from Africa, a figure that is forecast to increase to 25 percent by 2015. The Gulf of Guinea is poised to grow in strategic importance for the United States, and senior military and diplomatic officials are reportedly in advanced discussions with Sao Tome e Principe about establishing a regional U.S. Navy base there. This article argues that natural resource–related conflicts in places like West and Central Africa are not well understood. While such conflicts are unlikely to pose substantive operational risks to U.S. military forces, a failure to understand the dynamics underlying them risks exposing U.S. forces to smaller-scale Somalialike military problems and, perhaps more importantly, to serious public relations and reputational risks. One of the factors that makes natural-resource conflicts especially noteworthy is the alleged role played in them by leading private-sector actors. The sovereign governments of Angola and Sierra Leone both hired the services of Executive Outcomes, a private military company. De Beers has faced mounting pressure over its purchase of diamonds from these Scott Pegg is assistant professor in the Department of Political Science at Indiana University Purdue University Indianapolis. He received his Ph.D. in political science in 1997 from the University of British Columbia in Vancouver. Dr. Pegg previously taught in the Department of International Relations at Bilkent University in Ankara, Turkey. He is the author of International Society and the De Facto State (1998) and the co-editor of Transnational Corporations and Human Rights (2003). He has also published journal articles in the Washington Quarterly, Security Dialogue, and Third World Quarterly.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,000 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 source (Gemma direct ou Codex distillé), 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 ».