THE EMERGENCE OF MASS ATROCITY CONCEPTS: REFLECTIONS ON GENOCIDE, CRIMES AGAINST HUMANITY, WAR CRIMES AND ETHNIC CLEANSING
Notice bibliographique
Résumé
The article commences with a brief listing of some of the key words and phrases used in journalistic accounts in the 1915 New York Times about the mass deportations and killings of ethnic Armenians in the Ottoman Empire. Exploring the emergence of academic and legal terms associated with such mass atrocities in general, a number of key concepts have been formulated, most notably war crimes, crimes against humanity, genocide and ethnic cleansing. Other suggested terms include democide, politicide, ethnocide, urbicide, gendercide and omnicide, which are also briefly discussed by way of background and overview. Amidst an analytical comparison of the meanings of the two terms ethnic cleansing and genocide, problematic aspects of using the term ethnic cleansing are raised and discussed. There has been a continuing global challenge of mass atrocity crimes, and today we witness increased usage of the problematic concept of ethnic cleansing in important, yet diverse case studies such as Nagorno-Karabakh and Gaza. It is suggested that other terms, such as war crimes, crimes against humanity and genocide, are more suitable terms, both analytically and morally.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,015 | 0,066 |
| Communication savante | 0,013 | 0,010 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».