MétaCan
Menu
Retour à la cohorte
Enregistrement W4386481720 · doi:10.1093/jcsl/krad012

The practice of non-recognition and economic sanctions: The case study of Ukraine, Manchuria and South Africa

2023· article· en· W4386481720 sur OpenAlexaff
Quoc Tan Trung Nguyen

Notice bibliographique

RevueJournal of Conflict and Security Law · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Sanctions and International Relations
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésSanctionsEconomic sanctionsPolitical scienceLegal practiceLaw

Résumé

récupéré en direct d'OpenAlex

Abstract Russia’s invasion of Ukraine again proves the essential role of collective non-recognition against unlawful situations, despite contentious debates concerning the status of the principle of non-recognition in the international legal system. However, an old but unsettled question also resurfaces: How should we perceive the relationship between the practice of non-recognition and economic sanctions? Some scholars contend that the practice of non-recognition must entail economic punishments and isolation and be ‘as oppressive as possible’. For quite some time, the economic language has dominated as the only language that matters facing any unlawful situations. Unfortunately, this tendency also undermines a long history of innovative development of other forms of declaratory and institutional non-recognition. This article, by examining the current non-recognition campaign in the case of Ukraine, together with case studies of Manchuria and of the South African apartheid regime, endeavours to provide more perspectives concerning the relationship between non-recognition and economic sanctions. The article argues that, compared to other forms of non-recognition, economic sanctions have never been a reliable factor in demonstrating international attitudes and the legal beliefs of the international community.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,053
Score d'incertitude au seuil0,105

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0130,011
Communication savante0,0040,002
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,275
Écart entre enseignants0,222 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Conflict and Security LawMême sujetEconomic Sanctions and International RelationsTravaux en français237 207