MétaCan
Menu
Retour à la cohorte
Enregistrement W2947285347 · doi:10.1163/2451-8921-00304002

Can Authoritarian Regimes Breed Loyalty? The Case of Nashi

2018· article· en· W2947285347 sur OpenAlexaff
Virginie Lasnier

Notice bibliographique

RevueRussian Politics · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePolitical Conflict and Governance
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésAuthoritarianismCivil societyLoyaltyMirroringPolitical scienceCompetition (biology)State (computer science)Power (physics)DemocracySociologyPolitical economyPoliticsLawBiology

Résumé

récupéré en direct d'OpenAlex

An important literature on Russian civil society discusses its evolution, challenges, and prospects under Vladimir Putin. In particular, scholars show how the regime skillfully uses a mixture of coercive and channeling strategies to direct civil society into the ‘right path’, namely in the service of the regime. Perhaps the most glaring example of channeling strategies is the direct creation of CSOs from above, such as pro-regime youth groups. These groups are mean to orient public participation into accepted limits fixed by the state, often mimicking and duplicating grassroot organizations. But to what extent have they been effective in creating loyalty for the regime? In this paper, I focus on the little success that one of the most famous pro-regime youth groups, Nashi (Ours), paradoxically achieved in channeling civil society. While Nashi undeniably brought important benefits to some participants at the individual level, its effects at the societal level are significantly more limited. This is because, I argue, Nashi’s fate, just like many other state-projects, depended primarily on internal competition among self-interested elites. Instead of representing a coherent state strategy toward the youth and civil society, Nashi was mirroring the influence of power-maximizing individuals. The arguments of this paper are drawn from participant observations and from interviews with (then) current and former Nashi activists, as well as with other civil society experts

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)0,004
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0190,018
Communication savante0,0080,005
Science ouverte0,0010,005
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,025
Tête enseignante GPT0,324
Écart entre enseignants0,299 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRussian PoliticsMême sujetPolitical Conflict and GovernanceTravaux en français237 207