The Stake of Private Military Companies in Natural Resource Governance
Notice bibliographique
Résumé
The rapid acceleration of climate change has increased the demand for critical minerals. Rare earth elements have emerged as a valuable commodity to the future of hybrid energy, with many reserves located in West Africa. Concomitantly, the world has seen a spike in private security, with a growing normalization of private military companies (PMCs) in state defence. Though not typically associated with natural resources, PMCs, most notably those of Russian descent, have been cited in resource commerce in Syria, Ukraine, and West Africa. The Russian PMC “Wagner” has most recently become a household name for cited indiscretions and humanitarian violations throughout Russia’s 2022 invasion of Ukraine. Thus, as we see increasing ties between The Wagner Group and various African countries, the future of the “green transition” appears eerily uncertain. The inevitable scarcity in implementing such a green transition poses huge questions for what length states will go to for resources, and who pays the price. This paper investigates the nexus between private security and natural resource governance by examining the case of the Wagner Group in Africa. It uses process tracing to compare the way states use PMCs, arguing that Wagner is an exceptional PMC in their strategic acquirement of natural resources, largely on behalf of the Kremlin’s will. I find that PMCs like Wagner are effective tools of surrogate resource nationalism due to their ability to appeal to covert state interests with legitimate promises and bonds formed, all the while maintaining no official state affiliation. As the climate worsens, PMCs like Wagner pose a legitimate threat to the future of scarcity, as water could be the next resource in competition.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».