« Cultures policières » et opérations internationales de paix1
Bibliographic record
Abstract
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 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 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.009 | 0.008 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".