COUNTERING THE FINANCING OF TERRORISM: LEGAL AND ECONOMIC ASPECTS
Notice bibliographique
Résumé
The article analyzes the legal situation regarding the expediency of an early decision to recognize countries that commit armed aggression as terrorist countries. The author outlines the positive aspects and issues that should be worked out in the domestic judicial practice regarding the appeal of persons to judicial institutions with civil and commercial claims against the Russian Federation for compensation for material and moral damages. The article analyzes the current ways and proposals to increase the responsibility of the Russian Federation for the invasion of Ukraine and the large-scale armed aggression of the Russian Federation against democratic Ukraine in order to protect its territorial integrity and national sovereignty. As a result, the authors emphasize that in order to stop the armed aggression of the Russian Federation, the EU Member States need to develop a legal framework for defining states as sponsors of terrorism and states using the means of terrorism, which will entail a number of significant restrictive measures against these countries and will have profound restrictive consequences for the EU's relations with these countries. In this work, the authors outline a number of issues related to the resolution of the judicial immunity of the Russian Federation in the context of the risks of further enforcement of such court decisions. The authors argue that the existing system of regulation of state immunity is not homogeneous in the world, and it is not designed for the situations taking place in Ukraine in connection with the invasion of the Russian Federation, and this raises a number of fundamental questions regarding the application of the concept of immunity to the latter. In addition, to address the issue of regulating relations with countries that show aggression, or rather with countries that act as a terrorist country or a country that finances terrorism, the author cites the experience of the developed algorithms of the United States and Canada as an example. The paper also focuses on the need to develop a procedure for the transfer of frozen Russian assets to Ukraine, since Ukraine needs the seized Russian assets today, primarily for the purchase of necessary weapons to destroy the manifestations of the armed aggression of the Russian Federation, to support Ukrainian forces on the ground, and subsequently to finance large-scale reconstruction of Ukraine. In general, the article presents proposals for the use of economic and legal levers of influence to stop the financial and economic sources of sponsoring military aggression against Ukraine.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,006 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».