Weapons of mass participation: Social media, violence entrepreneurs, and the politics of crowdfunding for war
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Since 2012, North American and European civilians have regularly engaged in combat operations against the Islamic State in the globalized and decentralized battlefields of Iraq and Syria. This article focuses on two aspects of this phenomenon. First, I argue that these combatants represent a different kind of fighter from both private military contractors and battlefield laborers profiled in the private security literature insofar as capital is a means rather than an end in the innovation of violence. I refer to these fighters as violence entrepreneurs. The relevance and limits of Schmitt’s writings on enmity and his theory of the partisan are examined in the context of these contemporary networks of security, mobility, and killing. My second argument centers on how online platforms for the distribution of small-scale donations to these fighters and their self-crafted missions facilitate hyper-mediated forms of patronage, where individual donors are both producers and consumers of security in ways that further distort distinctions between civilians and combatants. The imagined communities that support these combatants, both morally and financially, through the banal networks of Facebook and peer-to-peer funding platforms like GoFundMe suggest a radical deviation from conventional organizational structures and capacities for waging combat. Crowdfunding congeals these new geopolitical networks in the authorizing of individuals to determine their own singular forms of enmity, mutating the conditions of possibility for the sovereign decision.
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.
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 | 0,002 | 0,008 |
| 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 | 0,001 |
| 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 découle