MétaCan
Menu
Retour à la cohorte
Enregistrement W2809068383 · doi:10.3138/gsi.12.1.02

Draining the Sea: Counterinsurgency as an Instrument of Genocide

2018· article· en· W2809068383 sur OpenAlexaffvenue
Cheng Xu

Notice bibliographique

RevueGenocide Studies International · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGlobal Peace and Security Dynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésGenocideContext (archaeology)Political scienceMilitarizationOperationalizationCriminologySociologyLawGeographyEpistemologyPolitics

Résumé

récupéré en direct d'OpenAlex

All cases of genocide in the modern era feature counterinsurgency in some capacity. Often, genocidal acts are justified as counterinsurgency, and counterinsurgency doctrines and tactics are employed to carry out many genocides. While genocides often have international dimensions, they are mostly carried out within the context of intrastate armed conflicts, almost all of which can be characterized as counterinsurgency. In this article, I expand upon Martin Shaw's model of Genocide as War by exploring the theoretical linkages between counterinsurgency and genocide to demonstrate where counterinsurgency fits into the genocide process. Two specific linkages are drawn to show how counterinsurgency complements the genocide process: total transformation of society through militarization, and exploitation of the asymmetries of power between the opposing groups. The relationship between counterinsurgency and genocide is not constructed as a causal one, but recursive (i.e., mutually reinforcing). By examining the Rwandan and Guatemalan Genocides, I demonstrate how genocide is operationalized through counterinsurgency in both cases. I conclude by providing areas for further investigation toward a unifying theory between the scholarships on genocide and counterinsurgency.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,028
Communication savante0,0050,006
Science ouverte0,0010,007
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,054
Tête enseignante GPT0,401
Écart entre enseignants0,347 · 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'étudeSans objet
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

Citations7
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

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