Three Point Nine Percent Female: A Review of the Barriers to Increasing Female Troops Participation on United Nations Peace Operations
Notice bibliographique
Résumé
Since UNSCR 1325 (2000) urged member states to ensure increased representation of women at all levels, the UN has made marginal progress improving the gender balance of troops deployed on UNPO. Despite ambitious targets for increasing the percentage of female troops in these operations, as of January 2019 women made up only 3.9% of all troops deployed on UNPO, up from 1.8% in 2006. Attempts to assess the barriers to improving the gender balance of personnel tend to consider all types of military personnel, police and civilian staff involved in UNPO, rather than focusing on the specific challenges of meeting gender targets for troops. In order to fill the current policy and research gap, this paper considers the challenges to improving the gender balance of troops. Existing studies highlight four possible explanations for the failure to make quicker progress: (1) there are not enough female troops available to contribute to UNPO; (2) UN and UN member states policies and procedures discourage women’s inclusion; (3) the gendered predispositions of decision makers and societal norms portray women as needing protection rather than as protectors; and (4) there are few incentives offered to both female troops and UN member states. This paper will evaluate each of these explanations as well as solutions that have been proposed to overcome existing barriers to female troop participation in UNPO. It will conclude with a set of recommendations, calling on the UN and UN member states to: improve recruitment and retention of women in national armies; eliminate unnecessary policies discouraging women’s inclusion; directly challenge gendered predispositions that neglect to see women as protectors; and provide financial incentives for UN member states that contribute female troops. The paper concludes by addressing the implications of its research for Canada and analyzing current actions being taken to improve the gender balance of troops deployed on UNPO.
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 | 0,018 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».