Notice bibliographique
Résumé
Contemporary spatial research on civil conflict in Sub-Saharan Africa has largely focused on border regions as spaces of limited political and economic opportunity. These studies largely adopt approaches that present borderlands as institutionally desolate regions lacking in governance, economic opportunity and political inclusion and giving rise to the feasibility of rebel conflict. While spatial analyses focus on territorially-based capabilities, such as state power projection, they typically overlook borderlands and their territorial distinctiveness with regards to rebel capabilities. This paper specifically explores the structural effects of borders on rebel capabilities and argues that Sub-Saharan Africa’s porous borders enhance the capabilities of rebels to operate in nearby territories. I empirically test this hypothesis with a zero-inflated negative binomial model and spatially disaggregated conflict events data from the Armed Conflict Location & Event Data Project dataset mapped to the PRIO-GRID 0.5-degree x 0.5-degree geographic data structure. In total, the analysis covers 14,120 georeferenced rebel conflict events in 37 countries between 1997-2019. The results provide strong evidence that territories nearer to borders are likely to experience more battle events relative to other territories, suggesting that borderlands may enable distinct conflict-related capabilities for rebels not found elsewhere. Additionally, the model also differentiates the effects that the border may have on conflict, testing the effect of rough terrain, resources, excluded groups, and towns at the border. Of the variables tested, the results suggest that territories with border towns significantly increase the capabilities of rebels to engage in conflict and suggest a more nuanced scholarly consideration of cross-border institutions that facilitate rebel conflict.
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 | 0,002 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,000 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».