MétaCan
Menu
Retour à la cohorte
Enregistrement W7135907026

Democratization in Europe between 1972 and 2000: Why it did not lead to War? Qualitative Comparative Analysis based on fuzzy set method

2013· dissertation· cs· W7135907026 sur OpenAlexaboutno aff
Věra - Karin Brázová

Notice bibliographique

RevueDigital Repository (National Repository of Grey Literature) · 2013
Typedissertation
Languecs
DomaineSocial Sciences
ThématiqueQualitative Comparative Analysis Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDemocratizationQualitative comparative analysisDemocracyComparative politicsPoliticsSet (abstract data type)Quarter (Canadian coin)Qualitative analysis
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The rigorous thesis focuses on European countries which underwent so-called partial democratization in the last quarter of the 20th century. It starts from the polemic with Mansfield and Snyder who claim that a (partial) democratization leads to war. The development in Europe of the last quarter of the 20th century, however, seems to contradict this notion. The aim of the thesis is, thus, to contribute to the debate of war-proneness of democratizing states by answering the following question: What caused that the democratization did not lead to war in many cases? Due to the nature of the research question as well as to the number of cases (i.e. 20) the method applied here is qualitative comparative analysis using the so-called fuzzy set method. The application of this method as such is a secondary aim of the thesis. Possible causal conditions of the absence of war which are under study here also derive mostly from the conclusions made by Mansfield and Snyder. The main focus is put on the so-called golden parachute. Among other causes are strong institutions - conceptualized here as weak and weakened executive, political integration into international community, duration of independent statehood and at least some experience with democracy - and developed economy - conceptualized through GDP,...

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)0,006
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,008
Études des sciences et des technologies0,0020,004
Communication savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,077
Tête enseignante GPT0,440
Écart entre enseignants0,363 · 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'étudeObservationnel
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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital Repository (National Repository of Grey Literature)Même sujetQualitative Comparative Analysis ResearchTravaux en français237 207