MétaCan
Menu
Retour à la cohorte
Enregistrement W4416909302 · doi:10.1515/ev-2025-0021

Why Did Putin Invade Ukraine? Why Did Hamas Attack Israel? Answers Suggested by Economic Models of Dictatorship and Terrorism

2025· article· en· W4416909302 sur OpenAlexaff
Ronald Wintrobe

Notice bibliographique

RevueThe Economists Voice · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental and Biological Research in Conflict Zones
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésOffensiveDictatorshipTerrorismEconomic modelMiddle East

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper I use rational economic models to explain the origins of two recent wars, the invasion of Ukraine by Russia in 2022 and the Hamas attack on Israel in 2023. In both cases the literature has prominently featured two different kinds of motivations for the attacks, one offensive and one defensive. Did Russia invade Ukraine because it was afraid that Ukraine was getting too strong and too close to NATO and Russia was weakened by this? Or did it invade because Putin thought that the West was weak, particularly after the botched withdrawal from Afghanistan? Did Hamas attack Israel on October 7th because it was afraid that the other Arab countries were about to abandon the Palestinian cause and thus forever weaken it? Or did its leaders believe they could advance the Palestinian cause with a successful attack and withstand the Israeli response, having built a vast system of tunnels with money from Qatar, and possibly counting on help from Hezbollah and Iran? I address these questions in this paper with economic models. I use the models – of dictatorship and terrorism – developed in my previous work, to provide answers to these questions. In both cases, the models favor the offensive explanations of the attacks as opposed to the defensive ones. Russia attacked Ukraine because it thought it could win easily. Hamas attacked Israel because of its newfound strength.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,432
Score d'incertitude au seuil0,802

Scores Codex et Gemma par catégorie

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

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 Opus0,023
Tête enseignante GPT0,259
Écart entre enseignants0,236 · 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'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 revueThe Economists VoiceMême sujetEnvironmental and Biological Research in Conflict ZonesTravaux en français237 207