MétaCan
Menu
Retour à la cohorte
Enregistrement W2981027858 · doi:10.1177/0022343319875202

To condone, condemn, or ‘no comment’? Explaining a patron’s reaction to a client’s unilateral provocations

2019· article· en· W2981027858 sur OpenAlexaff
Jeehye Kim, Jiyoung Ko

Notice bibliographique

RevueJournal of Peace Research · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTerrorism, Counterterrorism, and Political Violence
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRivalryChinaOrder (exchange)State (computer science)Political sciencePower (physics)BusinessLawPolitical economySociologyEconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract What explains a patron’s decision to publicly condone, condemn, or forgo commenting on its client’s unilateral provocations? We present a new theoretical framework that identifies a patron’s two strategic considerations – maximizing its sphere of influence and avoiding entanglement – and factors that affect them. We claim that whenever a patron faces a great power rivalry or a vulnerable client, it is more likely to condone its client’s provocations in order to safeguard its sphere of influence. On the other hand, when the risk of escalation looms large, the patron is more likely to condemn its client’s provocations in order to avoid entanglement. Focusing on the Sino-North Korean patron–client relationship, we test our theory on an original dataset that tracks China’s official reactions to provocations initiated by North Korea. We find that China tends to condone North Korea’s provocations when the USA criticizes them, and refrains from condemning when North Korea is domestically fragile. We also find that China is more likely to condemn its client’s provocations in the period after North Korea became a nuclear state. In addition, we draw on examples from the USA–Pakistan and the USA–Israel patron–client relationships to illustrate our causal logic. This article offers new insights on how a patron manages its client’s unruly behavior, and provides the first large-N evidence on China’s responses to North Korean provocations from 1981 to 2016.

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)0,006
score de la tête « metaresearch » (Gemma)0,036
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 enseignants0,022
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,036
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,004
Communication savante0,0050,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0170,002

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 Opus0,125
Tête enseignante GPT0,475
Écart entre enseignants0,350 · 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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Peace ResearchMême sujetTerrorism, Counterterrorism, and Political ViolenceTravaux en français237 207