Neuroscience and Non-Lethal Violence in Genocide: Exploring Scope and Constraints
Notice bibliographique
Résumé
Beyond findings in psychiatry and psychology, in the last two decades, the novel field of neuroscience has expanded our purview of brain injury, pain, and trauma—basically, non-lethal forms of violence. Peeking into the brain using state-of-the-art neuroimaging enables us to discern anomalies such as brain lesions, cysts, enlarged sulci, and regions of hypoperfusion (reduced blood flow), among other things, thereby allowing us to infer connections between brain anomalies and behavior. These findings, this paper posits, are highly relevant to genocide scholarship. Scholars have suggested that “mental harm” in Article II(b) of the Genocide Convention be extended to include neuroscientific findings; the most common in the literature being Post-traumatic Stress Disorder (PTSD), Traumatic Brain Injury (TBI), and Chronic Traumatic Encephalopathy (CTE). Including these in determining short- and long-term, visible and non-visible effects of exposure to mass atrocity and genocide would allow for a more accurate assessment of non-lethal violence on survivors and their families. Moreover, sufferers would be in a stronger position to employ restorative justice comprising legal, medical, and pecuniary means. Despite the excitement over these revelations, a question to ponder are the challenges individuals and institutions would face before they incorporate non-lethal violence derived from neuroscientific findings into genocide scholarship. This paper explores practical, technical, ideological, and legal arguments: (1) neurohype, (2) limitations of neuroimaging, (3) ideological battles, (4) gatekeeping the definition of genocide.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».