MétaCan
Menu
Retour à la cohorte
Enregistrement W4413862557 · doi:10.1093/isq/sqaf056

Creating Status Loss: Delegitimation through Information Warfare

2025· article· en· W4413862557 sur OpenAlexaffabout
Alex Yu-Ting Lin

Notice bibliographique

RevueInternational Studies Quarterly · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePolitical Conflict and Governance
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCredibilityNegotiationChinaPolitical scienceTest (biology)Character (mathematics)Political economyPsychologySociologyLaw

Résumé

récupéré en direct d'OpenAlex

Abstract How do states compete for status—i.e., an elevated position in the international order? Conventional wisdom suggests that states do so by enhancing their own status, such as by joining selective international institutions or winning wars. I theorize and test another strategy: reducing their competitor's status through delegitimation. By spreading information about the target's failure (i.e., character assassination), delegitimation can undermine the target's status in the eyes of third-party states and subvert the target's ability to form coalitions with said third-party states. I test my theory through a survey experiment in Canada, wherein select respondents were exposed to Chinese information campaigns about US failure in the Middle East. Exposure to delegitimation reduces the respondents’ assessment of US status, in turn reducing their (1) support for Canada to participate in joint military exercises with the United States and (2) assessment of US credibility in multilateral trade negotiations. I contextualize these results through a case study of Chinese delegitimation of US policy in Africa and its impact on African countries’ alignment with the United States. My analysis highlights the changing character of war: the mechanisms and effects of information warfare, including America's psychological operations, China's “three wars,” or Russia's active measures.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,930
Score d'incertitude au seuil0,577

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,028
Tête enseignante GPT0,382
Écart entre enseignants0,353 · 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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Studies QuarterlyMême sujetPolitical Conflict and GovernanceTravaux en français237 207