Foreword
Notice bibliographique
Résumé
It is no accident that Canadian General Roméo Dallaire, the commander of the un military forces in Rwanda during the 1994 genocide, volunteered to co-direct the Will to Intervene (w2i) Project, or that his partner in formulating the study was Frank Chalk, the director of the Montreal Institute for Genocide and Human Rights Studies (migs) at Concordia University and a long-time history professor who lost many relatives during the Holocaust.For those of us who work on the responsibility to protect civilians from mass atrocity crimes -and I proudly count myself in their number after having been the research director for the International Commission on Intervention and State Sovereignty (iciss) -the tragic absence of political will to stop perpetrators of genocide, crimes against humanity, ethnic cleansing, and war crimes is an old story.It is often lamented but too rarely confronted.Standing at the very heart of this tragedy is the story of General Dallaire, denied the troop reinforcements and the freedom to act that he requested to stop the Rwandan Genocide of 1994.Thoughtfully and constructively, Mobilizing the Will to Inter vene: Leadership to Prevent Mass Atrocities seeks to break the cycle of indifference and confront the political will not to intervene that was so painfully evident in 1994.Drawing on incisive case studies contrasting American and Canadian government responses to the Rwandan Genocide and events in Kosovo in
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,304 | 0,228 |
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 source (Gemma direct ou Codex distillé), 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 ».