MétaCan
Menu
Retour à la cohorte
Enregistrement W2899795505 · doi:10.29173/psur59

The Silent Forces of Agency: War as Experience and Girls in Sierra Leone’s Revolutionary United Front

2016· article· en· W2899795505 sur OpenAlexvenueno aff

Notice bibliographique

RevuePolitical Science Undergraduate Review · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Security, and Conflict
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSierra leoneAgency (philosophy)GirlPolitical violencePoliticsFront (military)Gender studiesNarrativeUnited frontPolitical scienceCriminologySociologyPsychologyLawEngineeringDevelopmental psychologyEthnologyArtSocial science

Résumé

récupéré en direct d'OpenAlex

This paper looks at young female soldiers in Sierra Leone’s Revolutionary United Front (RUF) in order to study Christine Sylvester’s concept of war as experience. The common narratives of females who engage in political violence often detail their status as either victims or perpetrators. These frames essentialize women’s experiences of conflict, violence, and politics. Applying the idea of war as experience, the girl soldiers of the RUF can be understood as both victims and perpetrators of violence during times of conflict. This paper identifies how experiences of war can be perceived through the lens of physical experience, emotions of fear and self-security, and the further, ongoing implications of victimization. The RUF case helps explain how one can begin to understand why a girl would engage in violent acts and not just be a powerless victim. Through analyzing interviews conducted by Myriam Denov, it is discovered that victimization can be an opportunity for agency to some degree. There are significant consequences for essentializing women as victims since post-conflict programs often exclude women because they are not seen as ex-soldiers or ex-combatants.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,003
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
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 Opus0,043
Tête enseignante GPT0,353
Écart entre enseignants0,310 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolitical Science Undergraduate ReviewMême sujetGender, Security, and ConflictTravaux en français237 207