MétaCan
Menu
Retour à la cohorte
Enregistrement W7134499250

Defense economics and industries of the small European countries

2017· article· fr· W7134499250 sur OpenAlexaboutno aff
Adrien Caralp

Notice bibliographique

Revuenon disponible
Typearticle
Languefr
DomaineEconomics, Econometrics and Finance
ThématiqueDefense, Military, and Policy Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)Context (archaeology)Ile de france
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Alors que la période qui suit la fin de la guerre froide est caractérisée par une restructuration profonde des industries de la défense au niveau mondial, la plupart des études portent sur les mutations à l’œuvre au sein des principaux pays producteurs et de quelques grands pays émergents. Face à cette situation, ce travail doctoral s’intéresse plus spécifiquement au cas des « petits Etats ». La littérature spécialisée tend en effet généralement à considérer qu’après la fin de la course aux armements qui caractérise la période de l’affrontement bipolaire, seules les principales puissances conserveraient la maîtrise de la conception d’armements sophistiqués alors que les Etats aux budgets militaires significativement plus faibles n’auraient d’autre possibilité que d’accepter un rôle de plus grande subordination à travers une modalité principale : l’intégration au sein des chaînes de valeur des principaux producteurs mondiaux en tant que fournisseurs de systèmes, sous-systèmes et composants. Dans ce cadre, la capacité à concevoir des plateformes (véhicule, navire, sous-marin, avion, hélicoptère…) échapperait définitivement aux « petits Etats » et serait le seul apanage des grandes puissances. Partant du constat du maintien de capacités au niveau de la construction de plateformes dans plusieurs « petits Etats » européens, ce travail s’interroge sur les conditions dans lesquelles ces derniers sont parvenus à conserver un tel niveau de compétence industrielle. Organisé autour de quatre études de cas (Suisse, Finlande, Pays-Bas et Suède) dans trois secteurs distincts (terrestre, naval et aéronautique militaire), il cherche à comprendre si ces capacités constituent un héritage du passé tôt ou tard condamné à disparaître, ou si elles s’insèrent dans des stratégies viables et potentiellement transposables à d’autres trajectoires nationales. Pour ce faire, ce travail commence par revenir sur les apports des principales recherches françaises dans le champ de l’économie de la défense, puis il mobilise les travaux de Michael Porter sur le positionnement concurrentiel et sur les déterminants de l’avantage concurrentiel national afin de les appliquer à l’étude des industries militaires des « petits Etats ».

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,015
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,058
Tête enseignante GPT0,220
Écart entre enseignants0,162 · 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 source (Gemma direct ou Codex distillé), 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDefense, Military, and Policy StudiesTravaux en français237 207