The Concept of "Conflict Sensitivity" and Its Application by Country and Field Office Staff During Implementation of Humanitarian Programmes: Case Study of Save the Children Canada
Notice bibliographique
Résumé
Conflict Sensitivity, as an approach to deliver humanitarian assistance, emerged in the humanitarian field two decades ago. However, to this day, there is no commonly agreed upon definition of Conflict Sensitivity nor agreement of what Conflict Sensitivity implies. Using a practitioner-based approach, and applying concepts on norm consolidation, I explored how the concept of “Conflict Sensitivity” has been understood and approached by humanitarian teams delivering Save the Children Canada's humanitarian projects in fragile contexts. To ensure that I could capture how Conflict Sensitivity is approached by teams delivering humanitarian assistance in two exceedingly different settings, I selected Nigeria—where Save the Children has a longstanding experience of responding to conflict-affected populations—and Venezuela—where currently there is a relatively new response to the needs of the population in a fragile context. The findings reveal that the understanding and operationalization of Conflict Sensitivity is shaped by the context where teams deliver humanitarian assistance. Findings from the Nigeria office emphasize the importance of not exacerbating existing tensions in the society. In contrast, those working in Venezuela applied elements of Conflict Sensitivity in navigating complex political situations and shrinking humanitarian space. By focusing my research on the actions of those staff members who deliver humanitarian projects directly to populations in need, the research was able to provide insights into how Conflict Sensitivity is applied in day-to-day operations; thereby allowing us to draw conclusions about the different ways on-the-ground practices can influence organizational practice and policies.
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 | 0,007 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,045 | 0,019 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».