8 - Les dessous de l’operation Licorne en Cote d’Ivoire : pour une lecture geopolitique nouvelle des interventions francaises en Afrique
Bibliographic record
Abstract
Le présent travail porte sur l’intervention militaire française en Côte d’Ivoire. Il s’est donné un double défi théorique et pratique : d’abord analyser les motivations de l’engagement militaire d’une puissance étrangère dans un conflit domestique, élaborer un modèle analytique à partir de la géopolitique nouvelle, puis l’apprécier à la lumière de l’intervention militaire de la France en Côte d’Ivoire. L’intervention française a fait l’objet de moult spéculations pour la plupart narratives voire pamphlétaires. L’originalité de cet article réside dans la capacité de son auteur à systématiser les motivations de la France en s’appuyant sur la dynamique du dehors par une analyse multidimensionnelle et pluri-scalaire. En se focalisant sur des déterminants géopolitiques précis, l’auteur a mis en lumière les considérations idéologiques souvent occultées dans les écrits sur la question. Prenant le contrepied des chercheurs qui tendent à marginaliser le rôle de l’Afrique dans la mondialisation économique, l’auteur a montré l’importance stratégique de l’espace africain, et ivoirien en particulier, pour les grandes puissances qui justifient davantage l’opération Licorne. Il en conclut que cette opération est capitale tant pour la France que pour la Côte d’Ivoire et les pays de la zone Franc CFA.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.007 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.016 | 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".