Peacekeeping for profit? The scope and limits of ‘mercenary’ UN peacekeeping
Notice bibliographique
Résumé
Abstract Developing states furnish the vast majority of UN peacekeeping troops, a fact academics and policymakers often attribute (at least partly) to developing states’ supposed ability to derive a profit from UN peacekeeping reimbursements. In this article, we argue that this ‘peacekeeping for profit’ narrative has been vastly overstated. The conditions for significantly profiting from UN peacekeeping are in fact highly restrictive, even for developing states. We begin by highlighting two potent reasons for re-examining the peacekeeping for profit narrative: developing states emerged as the UN’s principal troop contributors in a period of stagnant reimbursement rates when UN peacekeeping was becoming less financially attractive; and the quantitative evidence scholars have presented as supporting the peacekeeping for profit narrative is flawed. We then identify the scope conditions within which peacekeeping for profit provides a plausible explanation for a developing state’s UN troop contributions. First, the deployment and its attendant reimbursements must be significant not only in absolute and per-soldier terms but also in relation to the state’s total armed forces and military expenditure. Second, the state must have an exceptional ability, compared with other troop contributors, to benefit from UN reimbursements. The scope for generalized profit-making from either equipment or personnel contributions is limited by intense political pressure against reimbursement rate increases. Individual states can nevertheless make a profit if they (1) invest in inexpensive and old but functional equipment, especially if deployed with usage restrictions, and/or (2) limit the deployment allowances (rather than salaries) they pay their peacekeepers. We establish that only a limited subset of developing states meets the plausibility conditions for the peacekeeping for profit narrative – and many top UN troop contributors do not.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,023 |
| Communication savante | 0,011 | 0,014 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 source (Gemma direct ou Codex distillé), 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 ».