MétaCan
Menu
Retour à la cohorte
Enregistrement W4323981300 · doi:10.1080/02684527.2023.2181905

Politics and intelligence analysis: the Canadian experience

2023· article· en· W4323981300 sur OpenAlexfundaboutno aff
Thomas Juneau, Stephanie Carvin

Notice bibliographique

RevueIntelligence & National Security · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIntelligence, Security, War Strategy
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésPoliticsTransparency (behavior)Political scienceGeneral partnershipPosition (finance)Intelligence analysisNational securityContext (archaeology)Foreign policyPublic administrationPublic relationsPolitical economySociologyLawEconomics

Résumé

récupéré en direct d'OpenAlex

Academic debate on the interplay between politics and intelligence is dominated by the U.S. experience. Our research, based on interviews with over sixty individuals in the Canadian intelligence and national security community and including political staffers, provides a new case study: that of Canada, a middle power with considerable access to intelligence through the Five Eyes partnership. We found that cases of hard politicization of intelligence analysis are virtually non-existent in Canada. The most important factor explaining this finding is Canada’s structural position in the world, or how its geography shapes the broader context of interactions between intelligence and politics. Beyond this, six more specific factors at the domestic level also matter: the relative unimportance of foreign and security policy as political issues, few opportunities, a lack of political benefits, low intelligence literacy generally among policy makers, poor transparency in national security decision making, and a tradition of non-partisanship in the civil service. The paper concludes by reflecting on this assessment: while hard politicization remains a rarity in Canada, the shields that have prevented the emergence of politicization will likely be increasingly tested in the future.

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)0,005
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,769
Score d'incertitude au seuil0,891

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,010
Études des sciences et des technologies0,0670,019
Communication savante0,0130,003
Science ouverte0,0020,007
Intégrité de la recherche0,0030,006
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 Opus0,058
Tête enseignante GPT0,380
Écart entre enseignants0,322 · 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'étudeQualitatif
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

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIntelligence & National SecurityMême sujetIntelligence, Security, War StrategyTravaux en français237 207