MétaCan
Menu
Retour à la cohorte
Enregistrement W2902879894 · doi:10.55540/0031-1723.2943

Russia's Military and Security Privatization

2018· article· en· W2902879894 sur OpenAlexaff
Christopher Spearin

Notice bibliographique

RevueThe US Army War College Quarterly Parameters · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueDefense, Military, and Policy Studies
Établissements canadiensCanadian Forces CollegeRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceNational securityPolitical economyPublic administrationComputer securityLawEconomics

Résumé

récupéré en direct d'OpenAlex

This article discusses the conflicting use of nonstate actors in state-sponsored actions.It also introduces a diplomatic strategy for regulating the application of violence by private military and security companies.O n the night of February 7-8, 2018, for the first time since the Vietnam War, American and Russian forces clashed directly.1 A Russian-Syrian force of approximately 500 fighters crossed the Euphrates River near the eastern Syrian city of Deir ez-Zzor and launched an attack.The target, on the other side of the river, was a base for the Kurdish Syrian Democratic Forces and its US military advisors.During the three-hour battle that followed, the US military deployed artillery, jets, helicopters, and unmanned aerial vehicles.In the subsequent press conference, Lieutenant General Jeffrey L. Harrigian, the commander of US Air Forces Central Command, reported these US forces "release[d] multiple precision fire munitions and conduct[ed] strafing runs against the advancing aggressor force, stopping their advance and destroying multiple artillery pieces and tanks." 2 While US forces incurred no casualties, some reports suggest as many as 100-200 Russians were killed in the engagement.3 Adding to the significance and complexity of this event, the Russian forces were not soldiers in state uniforms.Instead, they were personnel of Wagner, a Russian private military and security company (PMSC).In recent years, 2,500 Wagner personnel have operated in Syria as Russia's unofficial "boots on the ground."4 Reports of the company using a military base in southern Russia and relying upon state-sponsored military logistics and medical services tie the company to Russian state actors.5 Nevertheless, officials responding to the February battle could simply distance themselves: "Russian service members did not take part in any capacity and Russian military equipment was not used."6 Elements in the nation's media drew a further distinction: "It was a 1 Joshua Yaffa, "Putin's Shadow Army Suffers a Setback in Syria," New Yorker, February 16, 2018.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,019
Tête enseignante GPT0,220
Écart entre enseignants0,201 · 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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe US Army War College Quarterly ParametersMême sujetDefense, Military, and Policy StudiesTravaux en français237 207