L’empowerment par des financements internationaux ? Comment les donateurs créent un secteur non étatique en Ukraine
Bibliographic record
Abstract
Des acteurs internationaux tels que l’Union européenne cherchent à diffuser leurs normes et pratiques à des États comme l’Ukraine en finançant des projets portés par des organisations internationales et mis en oeuvre par des ONG nationales. Cette contribution analyse l’usage que font les acteurs du secteur non étatique relatif à l’asile en Ukraine des financements internationaux. Elle questionne le concept d’empowerment et montre que les ONG financées par des bailleurs de fonds internationaux gagnent en accès et en influence dans les politiques publiques et que leurs membres acquièrent des compétences, notamment dans la levée de fonds et la gestion de projets internationaux. Les financements communautaires n’atteignent cependant pas les réseaux de solidarité de migrants, et très peu les organisations d’activistes engagés depuis plus longtemps. Ils concourent plutôt à l’émergence de « DONGO », à savoir des ONG fondées grâce à des financements internationaux ou ayant su adapter leurs activités aux opportunités de fonds disponibles. Du fait de leur dépendance, ces ONG se conforment aux attentes de leurs bailleurs de fonds, ce qui tend à standardiser leurs pratiques et à asseoir le pouvoir des acteurs internationaux. Par ailleurs, cette situation accroît les différences entre les organisations dont le financement est institutionnalisé et celles dont le financement est instable. Les premières disposent de moyens substantiels pour fournir une aide juridique et matérielle aux demandeurs d’asile, et ont aussi plus de facilité à entrer en contact avec les autorités locales. Ce sont elles qui adoptent, appliquent et diffusent les normes internationales sur l’asile. Les secondes ne s’y réfèrent pas ; elles sont aussi moins dotées, et contraintes à l’improvisation pour leurs différentes activités.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.005 | 0.007 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.000 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| 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".