MétaCan
Menu
Retour à la cohorte
Enregistrement W4412553114 · doi:10.1080/23337486.2025.2532863

Start-Up War and the world as platform: venture capital, the U.S. military, & Silicon Valley

2025· article· en· W4412553114 sur OpenAlexaff
Andrew Merrill

Notice bibliographique

RevueCritical Military Studies · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiquePrivate Equity and Venture Capital
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSilicon valleyVenture capitalCapital (architecture)World War IIBusinessEngineeringManagementPolitical scienceFinanceEconomicsEntrepreneurshipHistoryAncient historyLaw

Résumé

récupéré en direct d'OpenAlex

The past decade has seen a set of transformations in the institutions of the U.S. Department of Defense towards financial and organizational logics drawn from Silicon Valley and the tech industry. In turn, Silicon Valley and tech industry start-ups and giants have pursued valuable defence contracts expanding their footholds in the defence economy. This article argues that these recent collaborations mark a convergence of the political economy and geopolitical ideologies of the U.S. military and tech industry. I articulate the concept of ‘Start-Up War’ in this article to both describe the constellation of these political, economic and ideological relationships and as an analytical lens for understanding the politics produced in these relations. In tracing this constellation through defence institutions, defence contracts and military strategy, this article argues for an important connection to be drawn between U.S. imperial geopolitics and struggles against precaritization and exploitation in platform and gig work economies. This connection is illustrated through the lens of the ‘platform’ and its uptake as a common logic between Silicon Valley tech firms, venture capital funds and the U.S. military.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,010
Communication savante0,0120,004
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
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 Opus0,033
Tête enseignante GPT0,298
Écart entre enseignants0,265 · 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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Military StudiesMême sujetPrivate Equity and Venture CapitalTravaux en français237 207