MétaCan
Menu
Retour à la cohorte
Enregistrement W4412166052 · doi:10.1017/nps.2025.10075

Model Minorities and Fifth Columns in Service of Nation-Building: (De)securitization of Ethnicity in Nation-States with Multiple Minorities

2025· article· en· W4412166052 sur OpenAlexfundno aff
Olga Talal

Notice bibliographique

RevueNationalities Papers · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Relations and Foreign Policy
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Toronto
Mots-clésSecuritizationEthnic groupService (business)Political scienceBusinessLawFinancial systemMarketing

Résumé

récupéré en direct d'OpenAlex

Abstract Does the presence of two or more transborder minorities alter the logic of nation-building and affect minority securitization? This article goes beyond the triadic nexus framework commonly applied to minorities caught between their home- and kin-states, proposing a complex lens for analyzing states with multiple ethnic minorities. Titular political elites dealing with multiple minorities assign them to contradictory frames to manage the challenging reality of ethnic demography and regional security. By framing one minority as a “model minority” — trustworthy and law-abiding — and another as a “fifth column” — threatening and disruptive – they accomplish two aims: (1) maintain the dominant status of the titular nation by discrediting minority claims for institutional changes, and (2) legitimize the differential treatment of minorities. Ethnic minorities’ responses to these frames vary from relative acquiescence to violent conflict. I explore why the initially excluded Poles have been recently accommodated in Lithuania, why the marginalized Uzbeks became targets of repression in the Kyrgyz Republic, and why the relatively accommodated Russian speakers, former colonizers, became framed as a security threat in Lithuania but not in the Kyrgyz Republic after the Russian invasion of Ukraine. Understanding how strategic framing advances nation-building offers generalizable insights on (de)securitization of ethnicity.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,007
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0050,012
Communication savante0,0050,003
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,022
Tête enseignante GPT0,308
Écart entre enseignants0,285 · 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'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 revueNationalities PapersMême sujetInternational Relations and Foreign PolicyTravaux en français237 207