MétaCan
Menu
Retour à la cohorte
Enregistrement W3100719122

Re-Understanding End States

2019· article· en· W3100719122 sur OpenAlexaboutno aff
David B. Lafave

Notice bibliographique

RevueIke Skelton Combined Arms Research Library (CARL) Digital Library (US Army Combined Arms Center) · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMilitary History and Strategy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Tactical understanding of the term end state can be inadequate and inaccurate when used to describe operational and strategic aims and objectives. These aims are less about ends and specific momentary conditions and more about transitions, building potential and maintaining positions of positive advantage. Therefore, military leaders transitioning from tactical execution to operational and strategic planning must divest themselves of their tactical understanding of end states and adopt a more fluid and transitionally-focused view. This study conducted a structured, focused comparison of Operation Desert Storm in Iraq from 1990 to 1991, Operation Restore Hope in Somalia from 1992 to 1993, and the Canadian operations in Afghanistan from 2001 to 2014. Four research questions were asked of each case relating to national strategic aims, military end states, the adjustments made to both, and if their flexibility led to positions of positive advantage. The case studies showed that there are several interpretations of terminology to describe operational and strategic goals. Furthermore, success came less from flexibly written strategic aims or military end state conditions and more from flexible leadership and transitional planning when creating those aims and end states. The theories and empirical evidence examined supported this monograph's thesis that clear strategic aims combined with flexibly planned military end state conditions will better maintain positions of positive advantage than the use of rigid military end states that are focused on momentary success.

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)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0050,025
Communication savante0,0140,028
Science ouverte0,0020,008
Intégrité de la recherche0,0030,008
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,048
Tête enseignante GPT0,292
Écart entre enseignants0,244 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIke Skelton Combined Arms Research Library (CARL) Digital Library (US Army Combined Arms Center)Même sujetMilitary History and StrategyTravaux en français237 207