Notice bibliographique
Résumé
This essay provides a brief overview of arms trafficking, its participants and enabling partners, and the prospects of a reduction in arms trafficking through various legal mechanisms. It looks at two prominent arms traffickers—Viktor Bout and Leonid Minin—to illustrate these discussions. The trade in arms becomes arms trafficking when the deals undertaken violate existing laws on the movement of arms. These laws usually take the form of domestic licensing requirements or international arms embargoes. Arms trafficking is a complex multifaceted crime, and it can involve numerous discrete crimes over and above breaking arms sanctions, including, but not limited to, fraud, corruption, money laundering, smuggling, intimidation, and murder. Arms trafficking is undertaken in the context of the global trade in arms, made up of the formal world of legal trade and the “shadow world” of illegal transactions. Often actors operate in both worlds, and both can be mutually supportive in various ways. The number of collaborators involved in assisting arms traffickers means that successful prosecution of these traffickers is incredibly rare: of more than 500 United Nations arms embargo violations, only one participant has ever been convicted. The prospects for an end to arms trafficking are bleak. Not only are existing legal mechanisms flimsy, there seems to be little political will to develop an international framework that would help legal authorities pursue law-breakers. In addition, many countries are already awash in arms, providing ample opportunity for individuals to easily establish themselves as arms traffickers.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».