MétaCan
Menu
Retour à la cohorte
Enregistrement W2790561443 · doi:10.5038/1911-9933.11.3.1502

National Mechanisms for the Prevention of Atrocity Crimes

2018· article· en· W2790561443 sur OpenAlexvenueno aff
Samantha Capicotto, Rob Scharf

Notice bibliographique

RevueGenocide Studies and Prevention · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGlobal Peace and Security Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGenocidePolitical scienceLatin AmericansWork (physics)CriminologyPublic relationsPublic administrationLawSociology

Résumé

récupéré en direct d'OpenAlex

The field of atrocity crimes prevention has witnessed a trend over the previous three to four years in which states around the world are employing a new approach to the development and implementation of preventive policies. This trend has partly manifested in the establishment of what are called National Mechanisms for Atrocity Crimes Prevention. The Auschwitz Institute for Peace and Reconciliation (AIPR) among others, through its work supporting governments and their institutions to develop or strengthen policies and practices for the prevention of genocide and other mass atrocities, has been working with members of these National Mechanisms and following their efforts. This article presents an overview of the authors’ research in this area and the work of a number of National Mechanisms existing in two global regions, Latin America and the Great Lakes Region of Africa. After reviewing what the national architectures for prevention are, the article presents a critical overview of the successes, challenges, and existing opportunities of the Mechanisms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,808
Score d'incertitude au seuil0,595

Scores Codex et Gemma par catégorie

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

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 Opus0,066
Tête enseignante GPT0,395
Écart entre enseignants0,329 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGenocide Studies and PreventionMême sujetGlobal Peace and Security DynamicsTravaux en français237 207