MétaCan
Menu
Retour à la cohorte
Enregistrement W2796131283 · doi:10.1017/s1537592718000981

“Thugs-for-Hire”: Subcontracting of State Coercion and State Capacity in China

2018· article· en· W2796131283 sur OpenAlexaff
Lynette H. Ong

Notice bibliographique

RevuePerspectives on Politics · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChina's Socioeconomic Reforms and Governance
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCoercion (linguistics)State (computer science)PopulationAutonomyChinaBusinessEvasion (ethics)Law and economicsPolitical scienceEconomicsLawSociology

Résumé

récupéré en direct d'OpenAlex

Using violence or threat of violence, “thugs-for-hire” (TFH) is a form of privatized coercion that helps states subjugate a recalcitrant population. I lay out three scope conditions under which TFH is the preferred strategy: when state actions are illegal or policies are unpopular; when evasion of state responsibility is highly desirable; and when states are weak in their capacity or are less strong than their societies. Weak states relative to strong ones are more likely to deploy TFH, mostly for the purpose of bolstering their coercive capacity; strong states use TFH for evasion of responsibility. Yet the state-TFH relationship is functional only if the state is able to maintain the upper hand over the violent agents. Focusing on China, a seemingly paradoxical case due to its traditional perception of being a strong state, I examine how local states frequently deploy TFH to evict homeowners, enforce the one-child policy, collect exorbitant exactions, and deal with petitioners and protestors. However, the increasing prevalence of “local mafia states” suggests that some of the thuggish groups have grown to usurp local governments’ autonomy. This points to the cost of relying upon TFH as a repressive strategy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,103
Score d'incertitude au seuil0,205

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,006
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,024
Tête enseignante GPT0,305
Écart entre enseignants0,281 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations15
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePerspectives on PoliticsMême sujetChina's Socioeconomic Reforms and GovernanceTravaux en français237 207