Authoritarian Dissent Management: Repression of the Nonsystemic Political Opposition in the Post-Soviet Region
Notice bibliographique
Résumé
This dissertation aims to advance scholarly understanding of autocratic repression by analyzing patterns of state-led violence against political opposition candidates in the context of presidential elections. I challenge the conventional wisdom of the ‘Law of Coercive Responsiveness’, which posits that bigger threats lead to more repression (Davenport 2007, 7). I demonstrate that a political opposition candidate with robust international prominence poses a large political threat due to their potential ties to other powerful actors—whether foreign leaders, international organizations, or transnational activist networks—who can express sympathy, raise awareness for that actor and their cause, enact sanctions, and/or leverage others to act. However, I argue that greater threat does not always correspond with more repression, and large threats can be safeguarded by a political opposition candidate’s robust international prominence. It is not only that robust prominence abroad is an adequate indicator of political threat for these critical opposition candidates, but also that prominence abroad corresponds with a decrease in the likelihood that a political opposition candidate will encounter state repression. This is because hybrid leaders are concerned ex-ante for what will happen ex-post (Lachapelle 2017, 11), which makes them less likely to repress political opposition candidates with assumed foreign networks that may intervene in anticipation of, or in response to, human rights violations. I evidence this claim using an original dataset of 4,083 potential presidential candidates across the post-Soviet region from 1991-2018 and a mixed-methods approach that includes both quantitative modelling and in-depth case studies.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».