Contextualized Transitional Justice Policy Development in Uganda: Differentiating between Normativity Types in Evidence-Based Problem Analysis
Notice bibliographique
Résumé
This article discusses the fundamental impact of normativity on producing evidence-based guidance for context-sensitive transitional justice policy. It draws on lessons learned from Uganda’s complex transitional justice context and extensive fieldwork to demonstrate the necessity and the means to differentiate between belief-based normativity and evidence-based normativity in conducting problem analysis as a crucial site that determines the integrity of evidence-based guidance. It also establishes that evidence-based normativity guiding problem analysis must include empirical evidence of societal dynamics and views of affected communities or there is a significantly higher risk of belief-based normativity decontextualizing strategy development. Findings establish significant substantive differences between the problem sets identified for intervention using a contextualized approach shaped by evidence-based normativity and those in Uganda’s National Transitional Justice Policy (NTJP), which was heavily influenced by belief-based liberal-legalist norms and standardized practice. Crucially, findings also show that the conventional mechanisms prioritized in the NTJP actively work against the mechanisms and aims affected communities prioritize for meaningful redress and to prevent recurrence of mass violence. The article offers concrete recommendations on how to evade belief-based normativity in academic and applied research models intended to produce evidence-based guidance for genocide and mass atrocities prevention.
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 | 0,260 | 0,270 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,009 | 0,007 |
| Études des sciences et des technologies | 0,011 | 0,052 |
| Communication savante | 0,030 | 0,022 |
| Science ouverte | 0,005 | 0,025 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».