MétaCan
Menu
Retour à la cohorte
Enregistrement W2940596316 · doi:10.5334/sta.665

New Wars, New Victimhood, and New Ways of Overcoming It

2019· article· en· W2940596316 sur OpenAlexvenueno aff
Shazana Andrabi

Notice bibliographique

RevueStability International Journal of Security and Development · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Security, and Conflict
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAssertionContext (archaeology)Political scienceCommon groundPolitical economySociologyGender studiesPsychologySocial psychologyHistory

Résumé

récupéré en direct d'OpenAlex

Contemporary conflicts, asymmetric conflicts, or New Wars as they are now called differ in nature and context from earlier, traditional, or Old Wars. As a result, the effects of these New Wars on women have also altered in various ways. However, when we say that women are suffering in conflicts nowadays, it does not negate their suffering in earlier or traditional wars. The assertion here is that because of the changing nature of conflicts, more civilians, and therefore an increasing number of women and children, are being negatively affected than in the traditional forms of war.This paper will look into how New Wars have made an impact on the lives of women and how they have been rendered more vulnerable as a result. It will also look at the ways in which women have worked towards bringing about positive changes in their societies and tried to influence their governments to prevent violence and work towards sustainable peace. Examples from Jammu and Kashmir will be analyzed to show how women’s groups from across the Line of Control (LoC) between India and Pakistan have come together to build a platform for people-to-people interaction, reduce stereotypes of the ‘Other’ and focus on arriving at a common ground. Individual case studies of women having moved beyond victimhood will be highlighted to show how women can make a positive impact and act as role models.

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)0,007
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,051
Communication savante0,0120,016
Science ouverte0,0010,012
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,059
Tête enseignante GPT0,299
Écart entre enseignants0,240 · 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
GenreAutre

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStability International Journal of Security and DevelopmentMême sujetGender, Security, and ConflictTravaux en français237 207