These Are Not Just Words: A Cross-National Comparative Study of the Content of Political Apologies
Notice bibliographique
Résumé
Countries around the world increasingly try to redress past human rights violations by offering apologies. The debates surrounding many of these political apologies suggest they do not necessarily satisfy victims’ needs. Little is known, however, about the actual content of these apologies and the extent to which they include the elements that are often seen as essential to healing processes. In this exploratory study, we conducted a cross-national comparative analysis of the texts of political apologies (<em>N</em> = 203, offered by 50 countries) and coded whether they included a statement of sorry, apology, or regret (IFID), and an acknowledgement of wrongdoing, acceptance of responsibility, promise of non-repetition, promise of reparations, recognition of victim suffering, victim re-inclusion, victim praise, or a recognition of moral values/norms. We found that the majority of political apologies only include a selection of these elements, with some countries offering more comprehensive apologies than others. Most apologies, however, do contain an IFID, an acknowledgment of wrongdoing and a recognition of suffering, although there is variation in how this is expressed. This variation can be linked to the receiving group (i.e., within-country or not), the contentiousness of the apology in a country and – albeit weakly – the cultural context. Based on these findings, we suggest that when considering the impact of political apologies, it is crucial to consider quantity (how many apology components are included) as well as quality (how this is done).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».