Negotiating Place: Interpersonal Reconciliation and Emplacement
Notice bibliographique
Résumé
At the start of 2014, more people were displaced globally by conflict and human rights violations than at any time since the Second World War. Although many of those displaced, from countries such as Syria, Iraq, Colombia, Kenya, and Sudan, have survived grave human rights abuses that demand redress, the links between forced migration, justice, and reconciliation have historically received little attention. This collection addresses the roles of various actors including governments, UN agencies, NGOs, and displaced persons themselves, raising complex questions about accountability for past injustices and how to support reconciliation in communities shaped by exile. \nForced Migration, Reconciliation, and Justice draws on a variety of disciplinary perspectives including political science, law, anthropology, and social work. The chapters range from case studies in countries such as Bosnia, Cambodia, Lebanon, Turkey, East Timor, Kenya, and Canada, to macro-level analyses of trends, interconnections, and theoretical dilemmas. Furthermore, the authors explore the contribution of trials and truth commissions, as well as the role of religious practices, oral history, theatre, and social interactions in addressing justice and reconciliation issues in affected communities. In doing so, they provide fresh insight into emerging debates at the centre of forced migration and transitional justice. \n\nExploring critical issues in political science and development studies, this provocative collaboration unites leading researchers, policymakers, human rights advocates, and aid workers to examine the theoretical and practical relationships between displacement, transitional justice, and reconciliation. [book abstract - no separate chapter abstract is available].\n
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».