MétaCan
Menu
Back to cohort
Record W1993597761 · doi:10.7202/1026730ar

« Cultures policières » et opérations internationales de paix1

2014· article· fr· W1993597761 on OpenAlexaffvenueabout
Sophie Maury, Samuel Tanner

Bibliographic record

VenueCriminologie · 2014
Typearticle
Languagefr
FieldSocial Sciences
TopicPolicing Practices and Perceptions
Canadian institutionsUniversité de Montréal
Fundersnot available
KeywordsHumanitiesPolitical scienceArt

Abstract

fetched live from OpenAlex

Déployées par l’ONU dans les opérations de maintien de la paix depuis les années 1960, les forces de police – UNPOL – se sont vu attribuer toujours plus de responsabilités, assurant aujourd’hui un rôle primordial sur le théâtre de ces opérations. Confrontés à un environnement nouveau, ces policiers doivent se familiariser avec les enjeux politiques, les coutumes du pays hôte mais aussi collaborer avec des polices du monde entier dans le but de remplir efficacement leur mandat. Cette coopération est l’une des clés de la réussite de la mission et, par cet article, nous montrerons que celle-ci est un véritable défi à relever. À partir d’un échantillon de 36 entrevues conduites avec des policiers canadiens ayant participé à une ou plusieurs opérations de la MINUSTAH (Mission des Nations Unies pour la stabilisation en Haïti), nous analysons les pratiques quotidiennes et les stratégies utilisées en vue d’une pleine coopération internationale. L’hétérogénéité des polices internationales, ici appréhendées du point de vue des modalités de recrutement appliquées par les pays contributeurs, des compétences et cultures juridiques policières et des motivations poussant les policiers à partir en mission, tend à générer un climat de méfiance entre les UNPOL, parfois même un sentiment de frustration, qui augmente les coûts de transaction de la coopération policière, dommageable à l’application d’un mandat déjà complexe.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesInsufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.849
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.001
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.001

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.

Opus teacher head0.479
GPT teacher head0.511
Teacher spread0.033 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations1
Published2014
Admission routes3
Has abstractyes

Explore more

Same venueCriminologieSame topicPolicing Practices and PerceptionsFrench-language works237,207