MétaCan
Menu
Retour à la cohorte
Enregistrement W4411386715 · doi:10.1017/s1537592725000635

Negotiating for Autonomy: How Humanitarian INGOs Resisted Donors During the Syrian Refugee Response

2025· article· en· W4411386715 sur OpenAlexfundno aff
Emily Scott

Notice bibliographique

RevuePerspectives on Politics · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Development and Aid
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaForeign, Commonwealth and Development OfficeFulbright Canada
Mots-clésRefugeeAutonomyNegotiationPolitical scienceSyrian refugeesLaw

Résumé

récupéré en direct d'OpenAlex

More autonomous humanitarian international nongovernmental organizations (INGOs) have greater capacity to determine who receives aid among conflict- and crisis-affected populations than their donor-following counterparts. The latter are more likely to become instruments of states seeking geostrategic influence in places like Syria and Ukraine. Drawing on more than 120 interviews with INGO and donor agency workers, 10 months of political ethnography among INGOs working with refugees in Lebanon and Jordan after the war in Syria, and content analysis of organizational documents, this article investigates the ways that INGOs secure autonomy from donors. In a theory-building exercise, it introduces the concept of negotiation experience to explain why some INGOs develop skills and strategies that allow them to resist donor demands. It also identifies some of the tactics used by experienced negotiators to do so. The findings have implications for who controls and is accountable for humanitarian policy and practice, as well as the abilities of state donors to influence humanitarian behavior. They call into question expectations that INGOs “scramble” for funds under conditions of funding scarcity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0130,017
Communication savante0,0100,005
Science ouverte0,0010,008
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,015
Tête enseignante GPT0,317
Écart entre enseignants0,302 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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 revuePerspectives on PoliticsMême sujetInternational Development and AidTravaux en français237 207