MétaCan
Menu
Retour à la cohorte
Enregistrement W4412893650 · doi:10.1080/17457289.2025.2537635

Support for the use of military force to prevent secession: the case of Scottish independence

2025· article· en· W4412893650 sur OpenAlexaff
Jaroslav Tir, Shane Singh, Xiaojun Li

Notice bibliographique

RevueJournal of Elections Public Opinion and Parties · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIrish and British Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSecessionIndependence (probability theory)Political scienceUse of forcePolitical economyLawSociologyPoliticsInternational lawMathematics

Résumé

récupéré en direct d'OpenAlex

Secessions are often understood to be inherently war-prone, perhaps because individuals have been found to strongly support governments using military force to defend their country's territorial integrity. To assess the extent to which individuals actually support using military force against co-citizens, in a survey experiment we randomly assign English and Welsh respondents to a control condition listing the United Kingdom's constituent countries and overseas territories or to a treatment scenario describing a unilateral Scottish secession. Asked about the extent to which they would support the use of military force to defend the U.K.'s territorial integrity, respondents are significantly more supportive of the use of force in the control condition. Further analyses reveal men to be more hawkish than women in the control condition, while the gender gap disappears in the Scotland condition, with men's attitudes significantly mollified. Nationalist respondents, meanwhile, are relatively supportive of the use of force regardless of treatment status. Our findings thus caution that the literature's argument about the war proneness of secessions may be overly reliant on post hoc government decisions rather than ex ante individual-level attitudes.

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)0,004
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,080
Score d'incertitude au seuil0,158

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,004
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
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 Opus0,065
Tête enseignante GPT0,365
Écart entre enseignants0,299 · 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'étudeSans objet
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 revueJournal of Elections Public Opinion and PartiesMême sujetIrish and British StudiesTravaux en français237 207