Les processus décisionnels de l’intervention militaire au Canada (1990-2003) : une approche réaliste néoclassique
Bibliographic record
Abstract
La décision d’intervenir militairement ou non dans un conflit est certainement l’une des plus importantes qu’un État puisse prendre. Ces décisions sont coûteuses et très prégnantes tant au plan financier, politique que social. La recherche exposée vise à analyser les processus décisionnels canadiens en matière d’intervention militaire lors de la guerre du Golfe, la guerre en Afghanistan ainsi que la guerre en Irak. Le Canada est un cas très intéressant à étudier, car malgré son statut de puissance moyenne, il a pris part à sept conflits armés depuis 1867. Cette recherche tentera donc de déterminer ce qui motive le Canada à investir des ressources financières et humaines dans certains conflits, alors qu’il choisit de ne pas s’impliquer dans d’autres. Certaines théories des relations internationales affirment que la politique de défense des États est guidée par le désir de maximiser leur puissance sur la scène internationale. D’autres théories mettent plutôt l’accent sur les valeurs des États, ou bien sur leur intégration dans des institutions internationales. Ces différentes hypothèses soulèvent l’importance des facteurs internes et externes, mais ne permettent pas de savoir lesquels priment. Ainsi, grâce à un modèle de prise de décision réaliste néoclassique, synthétisant ces deux types de facteurs, il est possible de déterminer lesquels des éléments internes (contraintes de politique interne, perception des dirigeants) ou externes (position relative du Canada dans le système international) prédominent lors de la décision d’entrer ou non en guerre.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".