Support the Troops: Military Obligation, Gender, and the Making of Political Community. By Katharine M. Millar. New York: Oxford University Press, 2022. 304p. $83.00 cloth.
Notice bibliographique
Résumé
The military remains one of the most highly trusted institutions in American society.While this level of support can be attributed to specific factors (e.g., public perceptions of competence and professionalism), as identified in the vast literature on civil-military relations, a more affective rationale is also at play.Katharine M. Millar's new book Support the Troops: Military Obligation, Gender, and the Making of Political Community, zeroes in on exactly that.Disagreements about how the military is utilized are commonplace, even healthy in democracies, but there is an enduring and surprisingly robust consensus around supporting the troops.Should we support the troops is a question that is seldom asked but that underlies Millar's riveting and painstaking deconstruction of the ubiquitous "Support the Troops" discourse.Millar boldly suggests that, far from abdicating our duty of care to members of the armed forces, their families, and veterans, we need to carefully scrutinize the promise of belonging, which yellow ribbons bestow upon people.Not supporting the troops is likely to be painted, by Millar's own admission, as a "potentially traitorous" project (p.3).It is not an idea you can just throw out there, given the high emotional stakes involved, and Millar is acutely aware of that.Wisely, she raises that question most directly (and with great sensitivity) only once the reader has been made fully conscious of how pervasive and deeply engrained "Support the Troops" discourses have become.In this book, Millar is adept at uncovering how "Support the Troops" narratives coexist alongside public and official discourses tied to the use of force during the Global War on Terror (GWOT), with an empirical focus on U.S. and UK newspapers, state documents, and military-related non-governmental organizations.The prose can be lengthy and arduous at times, but Millar is always precise and compelling in her 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.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,003 |
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 ».