Clarifying the Explanatory Context for Developing Theories of Radicalization: Five Basic Considerations
Notice bibliographique
Résumé
We know a great deal more about the process of radicalization leading to violence than when the term entered the popular lexicon a few years after 9/11. Yet fundamentally, it remains difficult to specify who will turn to political violence, how, or why. Progress on this key issue depends on many developments. This article reviews and analyses five basic meta-methodological insights, on which there is growing consensus, which set the parameters for the ongoing study and modeling of radicalization: (1) the specificity problem; (2) the shift from profiles to process; (3) the necessity of a multi-factorial approach; (4) the heterogeneity problem; and (5) the primary data problem. The objective is to create a stronger understanding of the nature and collective relevance of these accepted insights, and point to two related emergent issues on which more systematic research still needs to be done in the context of combatting terrorism: the relationship of attitudes and behavior, and the problem of accounts (i.e., the critical and contextual study of how people justify or excuse socially undesirable or problematic behavior and occurrences).
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 | 0,160 | 0,200 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,015 | 0,012 |
| Études des sciences et des technologies | 0,005 | 0,027 |
| Communication savante | 0,015 | 0,041 |
| Science ouverte | 0,008 | 0,010 |
| Intégrité de la recherche | 0,006 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».