MétaCan
Menu
Retour à la cohorte
Enregistrement W3083013350 · doi:10.1017/eis.2020.11

Communities of practice, impression management, and great power status: Military observers in the Russo-Japanese War

2020· article· en· W3083013350 sur OpenAlexaff
Kiran Banerjee, Joseph MacKay

Notice bibliographique

RevueEuropean Journal of International Security · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIntelligence, Security, War Strategy
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésLegitimacyArgument (complex analysis)Power (physics)Context (archaeology)Great powerPolitical scienceSociologyPolitical economyLawHistoryPolitics

Résumé

récupéré en direct d'OpenAlex

Abstract Military attachés and wartime observers have received surprisingly little attention in international relations. Why do states exchange attachés, permitting uniformed foreigners to gather intelligence on their territory and during their wars? To explain, we adopt a broadly practice-theoretic approach, focusing on the individuals who developed the role by living it, showing how they both innovated a distinct military practice and established institutional legitimacy for attachés. We address an early historical case in which the practice proliferated: the Russo-Japanese War, throughout which observers represented multiple European states, on both sides of the conflict. Sometimes termed the first modern war, the conflict saw Japan's entry into the Eurocentric great power system. In this context, embedded attachés had a dual effect. On the one hand, a professional attaché community established itself: we show how local innovation by embedded officers, in the context of this structurally destabilising event, permitted the creation of a new institutional role that might otherwise have been impossible. On the other, the Japanese made use of the attachés as witnesses for Western governments, observing their performance of great power-hood, as they defeated Russia. The argument has implications for understanding both the military attaché system and communities of practice as such.

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)0,007
score de la tête « metaresearch » (Gemma)0,014
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0060,015
Communication savante0,0080,005
Science ouverte0,0010,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,032
Tête enseignante GPT0,308
Écart entre enseignants0,277 · 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

Citations18
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of International SecurityMême sujetIntelligence, Security, War StrategyTravaux en français237 207