A Gestalt perspective on Manichaean worldviews and individuals’ engagement in violence: the case of the Italian far left
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Besides socio-political and economic factors, extant research contends that Manichaean worldviews, characterized by mutually exclusive dichotomies such as ‘good-bad’, are the main driver influencing individuals’ decision to use violence against others. Furthermore, extant scholarship identifies ideologies, populism, and conspiracy theories as the three originators of Manichaean worldviews. However, the findings from my research, carried out between 2018 and 2023, challenge these arguments. Using narrative analysis, this article examines personal stories of a group of Italian former far-left militants, who participated in the violent campaign of the so-called ‘Years of Lead’. Far-left and far-right ideologies strongly influenced Italian socio-political movements of the time. Thus, this paper explores whether Manichaean perspectives informing far-left militants’ decision to resort to violence originated from far-left ideologies or whether they existed independently of these ideologies. I develop this analysis through the lens of Gestalt psychology, which considers human behavior as resulting from how our minds understand the relation between components of our surrounding environment. While confirming relations between Manichaean worldviews and violence, this paper finds that Manichaean perspectives result from human cognitive processes and are then rigidified by ideological narratives. This work provides important insight to better understand radicalization and engagement in violence, and to develop appropriate responses to prevent it.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle