Suckers and Free Riders: The Determinants of Military Burden-Sharing in the Russo-Ukrainian War
Notice bibliographique
Résumé
The distribution of military assistance to Ukraine shows significant free riding, but not necessarily from the usual suspects. Relative to GDP, small allies such as Estonia, Denmark, and Sweden have taken on a much greater share of the military burden in Ukraine than larger allies such as the United States, Germany, France, and the United Kingdom. Even in absolute terms, Denmark and the Netherlands have contributed more military aid than G7 countries like France, Italy, and Canada. What explains such discrepancies? This paper analyzes why some Western allies militarily support Ukraine more than others. It examines the provision of military aid to Ukraine by Western allies from January 2022 to June 2024 and assesses whether the determinants of support at the onset of war are the same as those accounting for enduring support in a protracted conflict. The paper finds that while a balanced mixture of interest-based, non-material, and domestic factors best explains the variation in military support to Ukraine during the first year of the war, non-material factors lose some significance in the second period. While geographic proximity remains a consistent factor, the significance of oil dependence, executive autonomy, and government ideology has evolved, suggesting that countries are adapting their foreign policies in response to the ongoing conflict. Considering the discrepancy between the two examined periods, the paper calls for further theory development to understand burden-sharing at later stages of the war in Ukraine and armed conflicts in general.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».