MétaCan
Menu
Retour à la cohorte
Enregistrement W4235776210 · doi:10.7591/cornell/9781501739699.003.0005

Saving Darfur

2019· book-chapter· en· W4235776210 sur OpenAlexaboutno aff
Marina E. Henke

Notice bibliographique

RevueCornell University Press eBooks · 2019
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueGlobal Peace and Security Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPeacekeepingPolitical scienceNegotiationPoliticsSoftware deploymentSecurity councilPublic administrationEmbeddednessChinaInternational tradeLawBusinessSociologyEngineering

Résumé

récupéré en direct d'OpenAlex

This chapter assesses how the United Nations, in cooperation with the African Union, formed one of the largest and most expensive peacekeeping operations ever deployed to stop the bloodshed in Darfur. The operation took the name United Nations–African Union Mission in Darfur (UNAMID). The United States initiated and orchestrated the most important political aspects that made the deployment of UNAMID possible. At the United Nations, the United States was intimately involved in the drafting and negotiation of UN resolutions pertaining to the Darfur issue and prodded various UN Security Council members to support the respective resolutions. Once UNAMID was approved by the UN Security Council, the United States was deeply involved in recruiting UNAMID participants. Some countries—such as Egypt, China, Canada, and Ethiopia—had a political stake in the Darfur conflict and thus volunteered forces to deploy to Darfur. Nevertheless, the large majority of countries did not join UNAMID on their own initiative. Rather, they were wooed into the coalition by the United States. U.S. officials thereby followed specific practices to recruit these troops. Many of these practices exploited diplomatic embeddedness: U.S. officials used preexisting ties to ascertain the deployment preferences of potential recruits and constructed issue linkages and side payments. The United States was assisted in the UNAMID coalition-building process by UN staff, most notably from the UN Department of Peacekeeping Operations (UNDPKO).

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,040
Tête enseignante GPT0,220
Écart entre enseignants0,179 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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 revueCornell University Press eBooksMême sujetGlobal Peace and Security DynamicsTravaux en français237 207