Contextualizing involvement in terrorist violence by considering non-significant findings: Using null results and temporal perspectives to better understand radicalization outcomes
Notice bibliographique
Résumé
Irrespective of discipline, the publication of null or non-significant findings is rare in the social sciences. For burgeoning fields like terrorism research, this is particularly problematic. As well as increasing the likelihood of Type II errors, the selective reporting of significant findings ultimately impedes progression, hindering comprehensive syntheses of evidence and enabling ill-supported lines of scientific enquiry to persist. This manuscript discusses several structural and individual-level variables which failed to produce significant, linear associations with involvement in terrorist violence in a dataset (N = 206) of right-wing and jihadist extremists active in Europe and North America. After considering methodological factors such as non-random distributions of missing data, we illustrate how certain variables are significantly associated with involvement in terrorist violence at particular periods in a radicalizing individual's lifespan, but not others (i.e., pre- or post-radicalization onset). Moreover, we demonstrate that while some static, binary constructs (such as whether or not a radicalizing individual was exposed to diverse viewpoints) are not associated with terrorist violence, their influence over time produces different associations. We conclude that radicalization may be less about individuals having pre-disposing risk factors, such as biographical stressors, and more about cognitive changes that allow individuals to re-evaluate their lives through the lens of an extremist ideology. We also underline the importance of taking a temporal, rather than static, perspective to better understand the variables associated with the outcomes of radicalization trajectories.
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 | 0,175 | 0,362 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,009 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».