Bibliographic record
Abstract
Terrorisme international et marchés de violence., Kalulambi Pongo, Martin et Landry, Tristan, Québec : Les Presses de l'Université Laval, Collection Nord-Sud, 2005, 144 p. La science politique : cette locution semble parfois prendre des allures d'oxymore. Dans le contexte actuel, la recherche et les écrits sur le terrorisme sont parfois plus politiques que scientifiques. Le problème est important : comment étudier scientifiquement, cette catégorie si polémique de “ terroriste ”? Martin Kalulambi Pongo et Tristan Landry s'intéressent pourtant au “ scientifique ” de la question. Dans Terrorisme international et marchés de violence, Kalulambi, professeur associé au département d'histoire de l'Université Nationale de Colombie à Bogota, et Landry, professionnel de recherche à l'Université Laval, tentent d'atteindre deux objectifs. Premièrement, ils dégagent des constantes dans les diverses guerres civiles à l'aide de la théorie des “ marchés de violence ”. Deuxièmement, ce qu'ils ont découvert les aide à montrer les failles tant dans l'étude de ces conflits, que dans la lutte contre-terroriste elle-même. Leur analyse démontre qu'au-delà des diverses motivations idéologiques, ces conflits perdurent grâce à une logistique rationnelle centrée sur les intérêts des acteurs en place. Les auteurs montrent en outre que ces conflits sont aussi des moteurs du terrorisme international.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.004 | 0.010 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.004 | 0.005 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.016 | 0.002 |
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".