On the Beaten Path: Violence Against Civilians and Simulated Conflict Along Road Networks
Notice bibliographique
Résumé
Why do some conflict zones exhibit more violence against civilians than others? In answering this question, the literature has emphasized ethnic fractionalization, territorial control and strategic incentives, while overlooking the consequences of armed conflict itself. This oversight is partly due to the methodological hurdles of finding an appropriate counterfactual for observed battle events. In this chapter, we aim to test empirically the effect of instances of armed clashes between rebels and the government in civil wars on violence against civilians. Battles between belligerents may create conditions that lead to surges in civilian killings as combatants seek to consolidate civilian control or inflict punishment against populations residing near areas of contestation. Since there is no relevant counterfactual for these battles, we utilize road networks to help build a synthetic risk-set of plausible locations for conflict. Road networks are crucial for the logistical operations of a civil war and are thus the main conduit for conflict diffusion. As such, the majority of battles should take place in the proximity of road networks; by simulating events in the same geographic area, we are able to better approximate locations where battles hypothetically could have occurred but did not. We test this simulation approach using a case study of the Democratic Republic of the Congo (1998–2000) and model the causal effect of battles using a spatially disaggregated framework. This work contributes both substantively and methodologically to the literature on micro-foundations of civil war and reactive violence in two main ways: (1) It offers a tentative framework for crafting synthetic counterfactuals with event data. (2) It proposes an empirical test for explaining the variation of violence against civilians as a result of battle events.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».