Dynamics of organized violence in the wake of tropical cyclones
Notice bibliographique
Résumé
Abstract Recent research highlights how the same vulnerabilities that lead to disasters also condition the impact of hazards on violent conflict. Yet it is common practice in the literature to proxy rapid-onset hazards with disaster impacts when studying political violence. This can bias upward estimates of hazard–conflict relationships and obscure heterogeneous effects, with implications for forecasting as well as disaster risk reduction and peace-building activities. To overcome this, we implement an approach that measures and models the separate components of a tropical cyclone event: the hazard, the exposure, and the impacts. We then estimate a set of models that quantify how the incidence and intensity of organized violence respond to hazard exposure. We find little evidence that the average tropical cyclone enhances or diminishes violent conflict at the country level over a two-year time horizon. Yet rather than signaling that storms do not matter for political violence, unpacking this average result reveals two countervailing effects within countries. Conflict, and especially one-sided violence against civilians, tends to escalate in regions directly exposed to the tropical cyclone. In contrast, areas outside the path of the storm may experience a decrease in conflict. These results are heterogeneous with tropical cyclone intensity, and conflict escalation is more likely to occur in settings with less effective governments. Our results underscore the importance of ex-ante efforts targeting government capacity and effective disaster risk reduction to moderate the risk of violent conflict in the wake of tropical cyclones.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».