Les acteurs privés de la sécurité transnationale et leurs victimes
Bibliographic record
Abstract
Le présent article s’intéresse aux réactions formelles relatives aux déviances commises par les acteurs de la sécurité privée transnationale sur le théâtre d’opérations militaires. Par l’entremise d’une analyse des poursuites intentées à l’encontre de compagnies militaires privées (CMP) américaines et de leurs employés durant le conflit irakien entre 2003 et 2008, il se donne pour objectif de saisir la source, le cheminement et l’aboutissement de ces poursuites en vue de mieux comprendre l’avenir de la régulation de cette industrie. Notre démarche méthodologique, inductive, s’appuie sur l’ensemble des poursuites effectivement intentées. Les données témoignent en premier lieu de l’extrême difficulté que les victimes rencontrent dans la poursuite de leurs bourreaux et, dans ces rares cas, dans l’obtention d’une décision de culpabilité. L’analyse laisse également entrevoir qu’il existe deux sortes de déviances susceptibles de mettre en marche le système de justice, soit les cas très graves (et généralement très médiatisés) de violence commise à l’encontre de civils irakiens, et les situations où les victimes sont des soldats américains ou des employés de CMP qui se plaignent de manquements ou de négligences commis par une compagnie. À partir de cette constatation, une réflexion sur l’avenir de la régulation de l’industrie de la sécurité privée transnationale, et notamment sur sa capacité à s’autoréguler, est proposée.
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 | 0.005 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.010 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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".