MétaCan
Menu
Retour à la cohorte
Enregistrement W4243281058 · doi:10.7591/cornell/9781501739699.003.0006

Fighting for Independence in East Timor

2019· book-chapter· en· W4243281058 sur OpenAlexaboutno aff
Marina E. Henke

Notice bibliographique

RevueCornell University Press eBooks · 2019
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiquePeacebuilding and International Security
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSummitPolitical scienceSoftware deploymentIndependence (probability theory)Intervention (counseling)State (computer science)AlliancePublic administrationEconomic growthGeographyLawEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

This chapter describes how Australia decided to launch a multilateral military intervention to stop the bloodshed in East Timor. The force Australia assembled was called the International Force East Timor (INTERFET). Despite the humanitarian character of the intervention, few of the participants joined INTERFET on their own initiative. Rather, Australia had to conduct an explicit recruitment process that involved cajoling countries to join the operation. Australia's diplomatic networks played an indispensable role in this process: Australian officials exploited these networks to retrieve information on deployment preferences of potential coalition participants. Australia also used the APEC summit in Auckland and the UN General Assembly (UNGA) in New York as opportunities to make bilateral appeals for troop contributions. Nevertheless, Australia's diplomatic cloud had its limitations. Especially when it came to recruiting countries from outside of the Asia-Pacific region, Australian networks were insufficient. Australia thus turned to the United States and the United Kingdom for assistance in drawing multilateral support for its coalition, thereby leaving these states to function as cooperation brokers. The chapter then considers the deployment decisions of the three largest troop-contributing countries: Thailand, Jordan, and the Philippines; Canada, a deeply embedded state with Australia; and Brazil, a weakly embedded state with Australia.

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 candidatesaucune
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 enseignants0,991
Score d'incertitude au seuil0,792

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 recherche0,0000,000
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 Opus0,069
Tête enseignante GPT0,256
Écart entre enseignants0,187 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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 sujetPeacebuilding and International SecurityTravaux en français237 207