MétaCan
Menu
Retour à la cohorte
Enregistrement W4411193377 · doi:10.1093/ips/olaf020

“Freeze my Semen and I Will Join the War”: The Masculinization of the Security–Demography Nexus

2025· article· en· W4411193377 sur OpenAlexfundno aff
Arita Holmberg, Aida Alvinius

Notice bibliographique

RevueInternational Political Sociology · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Security, and Conflict
Établissements canadiensnon disponible
Organismes subventionnairesSaint Mary’s University
Mots-clésNexus (standard)Join (topology)SociologyDemographyGender studiesGenealogyHistoryMathematicsComputer scienceCombinatorics

Résumé

récupéré en direct d'OpenAlex

Abstract This article explores and theorizes an aspect of war in the 2020s that has not previously been recognized in social science literature: The practice of soldiers freezing their semen before joining the military. The security–demography nexus has been studied mainly as a state concern—whether a state should limit or expand its population depending on different factors. In this context, women have been the main targets of biopolitical reproduction efforts. However, societal and political shifts, coupled with advancements in reproductive technology that enhance accessibility, necessitate a re-evaluation of the gendered dynamics within the security–demography relationship. The war between Russia and Ukraine represents an unusual example of two industrialized states involved in an interstate war. The practice of soldiers freezing their semen constitutes a new masculinization of the security–demography nexus. We argue that the theoretical concept of reproductive insurance implies a form of self-governance that can manage shifting masculinities in ways that allow the male individual to protect the capacity to have children before risking life on the battlefield. The shifting gender dynamic of the security–demography nexus means that Western militaries may have to adapt their policies and offer reproductive insurance to both women and men within their ranks.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,481
Score d'incertitude au seuil0,863

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,311
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Political SociologyMême sujetGender, Security, and ConflictTravaux en français237 207