MétaCan
Menu
Retour à la cohorte
Enregistrement W3036787194 · doi:10.22215/cjers.v13i2.2690

Europeans but outside of the EU - the EU Soft Power of Attractiveness in Ukraine Between the Orange Revolution and Euromaidan

2020· article· en· W3036787194 sur OpenAlexaffvenue
Viktoriya Thomson

Notice bibliographique

RevueThe Canadian Journal of European and Russian Studies · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEuropean Union Policy and Governance
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésAttractivenessResizingPolitical scienceElitePoliticsSoft powerEuropean unionPolitical economyUkrainianLeverage (statistics)SociologyEconomicsInternational tradeLawPsychology

Résumé

récupéré en direct d'OpenAlex

The role of the EU in the promotion of Europeanization and the EU political identity in potential member states of Eastern Europe prior to the 2004 enlargement was important for these states’ future acceptation in the EU community. However, most research and literature have discounted the role of the EU and its attractiveness in the countries neighbouring with the EU that did not have a prospect of joining the EU in 2004. This article studies the process of formal and informal Europeanization in Ukraine before and after the Orange revolution, which occurred five months after the bloc’s 2004 enlargement, and Euromaidan of 2013. Despite the EU’s passive leverage in Ukraine between 2004 and 2013, and the country’s weak prospects for potential membership, the EU’s soft power of attractiveness was still an effective tool that was used by Ukrainian political elite and media in promoting informal Europeanization after the 2004 enlargement. Furthermore, confidence in the EU was associated with support for such liberal values as human rights, tolerance of minorities, and political efficacy. This article posits that notwithstanding weak incentives and support offered from the EU to implement formal Europeanization in Ukraine, the EU attractiveness was successfully applied by local elite and media to promote the informal Europeanization.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,762
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,288
Écart entre enseignants0,220 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations1
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of European and Russian StudiesMême sujetEuropean Union Policy and GovernanceTravaux en français237 207