MétaCan
Menu
Retour à la cohorte
Enregistrement W4387704263 · doi:10.1080/23311886.2023.2269685

The “snipers’ massacre” on the Maidan in Ukraine

2023· article· en· W4387704263 sur OpenAlexaff
Ivan Katchanovski

Notice bibliographique

RevueCogent Social Sciences · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEuropean and Russian Geopolitical Military Strategies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesGeorge Mason University
Mots-clésUkrainianAnnexationOpposition (politics)LawState (computer science)Spanish Civil WarPolitical scienceGovernment (linguistics)Politics

Résumé

récupéré en direct d'OpenAlex

This study analyzes which party of the conflict was involved in the 2014 Maidan massacre in Ukraine.The massacre of Maidan protesters and the police on 20 February 2014 was a turning point in Ukrainian politics.This mass killing led to the overthrow of the Ukrainian government and spiraled into a civil war in Donbas, Russian military intervention in Crimea and Donbas, the Russian annexation of Crimea, and conflicts between Ukraine and Russia and between the West and Russia that Russia drastically escalated by launching its illegal invasion of Ukraine in February 2022.This article proposes and tests the moral hazard theory of the state repression backfire.Content analysis of synchronized videos, testimonies by several hundred witnesses, confessions by 14 self-admitted members of Maidan sniper groups, and bullet hole locations show that both the police and protesters were massacred by Maidan snipers located in Maidan-controlled buildings and areas.Content analysis of synchronized videos revealed that the specific time and direction of shooting by Berkut policemen, who were charged with the massacre, did not coincide with the killing of specific protesters.Testimonies by the absolute majority of wounded protesters and some 100 witnesses and forensic examinations by ballistic and medical experts for the Maidan massacre trial and investigation in Ukraine corroborate this.The article shows that the false-flag massacre was

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,118
Tête enseignante GPT0,374
Écart entre enseignants0,256 · 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'étudeObservationnel
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

Citations17
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCogent Social SciencesMême sujetEuropean and Russian Geopolitical Military StrategiesTravaux en français237 207