A Gestalt perspective on Manichaean worldviews and individuals’ engagement in violence: the case of the Italian far left
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.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,030 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».