MétaCan
Menu
Retour à la cohorte
Enregistrement W4313325413 · doi:10.1002/crq.21371

Conflict analysis, learning from practice

2022· article· en· W4313325413 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueConflict Resolution Quarterly · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePeacebuilding and International Security
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésPeacebuildingData collectionIntervention (counseling)Action (physics)Exploratory analysisExploratory researchFace (sociological concept)Action researchPsychologyPublic relationsPolitical scienceSociologyComputer scienceData sciencePedagogySocial sciencePublic administration

Résumé

récupéré en direct d'OpenAlex

Abstract Conflict analysis is an essential component of designing and implementing peacebuilding action because it focuses on making sense of the situations where a peacebuilding action or intervention is desired. This article presents the results of an exploratory study based on semi‐structured interviews with 20 practitioners from 19 countries on four continents. Participants represented diverse organizations working on peacebuilding projects in conflict‐affected locations. The study focused on how participants (peacebuilding practitioners) gather and make sense of data (information) about the situations they face so they can make decisions for program design and implementation. Topics addressed by the study's participants included practice trends, methods of data collection and analysis, difficulties in gathering and assessing data, theories of change, and program or project assessment. The study concludes that the practitioners who participated mainly use informal methods to collect and make sense of data and do not make use of systematic approaches to conflict analysis.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,894
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,036
Tête enseignante GPT0,338
Écart entre enseignants0,302 · 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