Facts, Fallacies, and Frames: Exploring the Nexus Between Political Decision-Making and Counterterrorism Resource Allocation
Notice bibliographique
Résumé
This dissertation is about political decision-making and counterterrorism resource allocation.Why have Canada and the United States allocated more resources to countering Islamist-inspired terrorism than right-wing extremism, even though the latter has committed more attacks and caused more fatalities since September 11, 2001?Why do political leaders prioritize some threats over others?What is the role of the public service in decision-making?And how do various actors within the national security apparatusespecially those of different generationsinterpret the current threat landscape?To answer these questions, this dissertation challenges the rational-utility model and tests three counter explanations: (1) political self-interest, (2) path dependence/bureaucratic inertia, and (3) framing theory.Using a sample of 35 lethal violent extremism attacks between 1995 and 2021, hundreds of open-sourced texts, a variety of quantitative methods, and 30 original interviews conducted with current and former public servants who work(ed) in the Canadian and US intelligence and security (I&S) community, the results suggest that the answer is multicausal.In addition to the tested theories, political leaders rely heavily on party considerations, high fatality events, symbolic attacks, international threat considerations, and mass and social media influences.The findings also affirm that public servants play an important role in shaping the policy agenda and that deep, albeit shrinking, cleavages persist between the various departments and agencies working in the I&S 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 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 | 0,011 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,018 |
| Communication savante | 0,010 | 0,015 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».