Introducing the UNCIPPO (UN Civilian Posts in Peacekeeping Operations) Dataset
Notice bibliographique
Résumé
Abstract This research note presents a dataset on budgeted civilian personnel posts in UN peacekeeping operations by mission, unit, rank, and staff category in the 1991–2020 period: the UNCIPPO (UN Civilian Posts in Peacekeeping Operations) Dataset. Civilian staff in UN peacekeeping operations include specialists in political affairs, human rights, gender, child protection, electoral support, security sector reform, strategic communications, and information analysis, among others. Our coding of almost three hundred UN budget documents reveals what kinds of civilian posts member states agree to fund. UNCIPPO data also permit more nuanced analyses of the impact of civilian personnel on mission effectiveness. We illustrate this by re-examining Blair, Di Salvatore, and Smidt's (2023) study of the effect of civilian staff on host country democratization, showing that the observed effect is driven by international staff—countering a surprising negative national staff effect—and that staff in units with democracy-related tasks contribute more significantly to this effect than staff in other units. The dataset opens new avenues for research on peacekeeping operations (for example, on peacekeeping resourcing and effectiveness) and IOs more generally (for instance, on the politics of budgeting, the growth of transnational expertise, and the profiles of international bureaucrats).
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».