MétaCan
Menu
Retour à la cohorte
Enregistrement W4319842741 · doi:10.1177/00471178231151904

Parliamentarizing war: explaining legislative votes on Canadian military deployments

2023· article· en· W4319842741 sur OpenAlexafffundabout
Philippe Lagassé, Justin Massie

Notice bibliographique

RevueInternational Relations · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueDefense, Military, and Policy Studies
Établissements canadiensUniversité du Québec à MontréalCarleton University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésParliamentLegislatureBlamePolitical scienceIdeologyObligationLawPower (physics)Political economyPublic administrationSociologyPoliticsSocial psychologyPsychology

Résumé

récupéré en direct d'OpenAlex

The parliamentarization of military deployments is a burgeoning area of study but has tended to neglect the peculiar cases of legislatures deprived of any war powers. This article contributes to this literature by examining the curious case of Canada. Since Canadian governments are not required to secure parliamentary support to deploy the military, it analyzes why they occasionally have and increasingly do. We propose and test four hypotheses to explain why and when governments willingly choose to involve parliament in war decisions absent constitutional or legal obligation to do so: executive ideology, mission risk, minority parliament, and blame shifting. Our findings suggest that ideology and mission risk have the strongest explanatory and predictive power for when the executive will invite the legislature to vote on a military deployment in Canada. While the desire to avoid blame may contribute to the decision to hold a vote, this is not as influential or statistically relevant. The association between holding a vote and being in a minority parliament, for its part, is negligible and statistically insignificant.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,154

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,063
Tête enseignante GPT0,272
Écart entre enseignants0,209 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational RelationsMême sujetDefense, Military, and Policy StudiesTravaux en français237 207