Neutral evaluators or testimonial connoisseurs? Valuing and evaluating reconciliation in post‐genocide Rwanda
Notice bibliographique
Résumé
Countless reconciliation initiatives – state and non‐state, local and international – have emerged to redress the legacies of the 1994 genocide in Rwanda. Based on fieldwork with two Rwandan peace‐building organisations, this article takes an ethnographic perspective on how these organisations measure or evaluate ‘how reconciled’ Rwandans are. Organisations’ measurements of reconciliation are based on testimonies they collect from genocide survivors and perpetrators. They read ‘indicators’ into these testimonies to quantify the progress of reconciliation in a given region, but their process of deriving those numbers from testimony is never clear. I argue that organisation staff do not only stake their expertise on ‘objective’ measures of reconciliation that manage the ambiguities of testimony, but also on their performance of gifted subjective intuition to discern ‘authentic’ testimony from that which conceals ongoing enmity. As such, anthropological understandings of modern evaluative practices must take seriously both subjectivity and objectivity as potential sources of power and authority. In the end, evaluating reconciliation may not only be driven by organisational or political demands to produce metrics, but also by organisation staff's search for confirmation of their own worth in the post‐conflict recovery project and for signs that violence will not erupt in Rwanda again.
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 | 0,063 | 0,135 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,015 |
| Communication savante | 0,011 | 0,009 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».