Drones de combat, théories de la guerre « juste » et esthétisation de la violence
Bibliographic record
Abstract
Lorsque parait « De la guerre » en 1832, Clausewitz attire notre attention sur un phenomene inquietant : les guerres ont tendance a s'intensifier jusqu'a ce qu'elles se deroulent sans limites morales, car il y a toujours un avantage a tirer d'une plus grande impitoyabilite du moment que le fait d’avoir moins de restrictions signifie que vous pouvez atteindre vos objectifs plus efficacement, et c’est pourquoi, selon Clausewitz, vous serez pousse a devenir toujours plus impitoyable que votre ennemi (20). A partir de la, un grand nombre de penseurs se sont interroges sur la maniere d’arreter le glissement sur cette pente glissante. La reponse la plus populaire a ete theorique, c’est a dire que l'on peut eviter la pente glissante en se conformant a une theorie de la justice, et une telle theorie consistera en un ensemble de principes systematiques : jus ad bellum, concernant la decision de combattre; jus in bello, concernant le comportement durant le conflit; et jus post bellum, concernant nos obligations a la fin du conflit (Blattberg 2). Dans ces conditions, pour Michael Walzer, principal theoricien contemporain de la guerre juste, ces principes doivent faconner et controler les jugements que nous portons et ainsi reguler notre comportement (287). Or, pour Charles Blattberg, professeur de philosophie politique a l’Universite de Montreal, le danger reside dans le fait que la theorie de la guerre juste aboutit a encourager l'immoralite. Pourquoi ? Parce que le simple fait d’entretenir l’idee d’une guerre dite juste - qui peut etre menee sans se salir les mains - a pour effet de rendre l’option d’aller en guerre plus attrayante qu’elle ne devrait l’etre, ce qui rendra plus difficile le maintien de l’idee fondamentale qui veut que la guerre doit toujours arriver en dernier recours (Blattberg 15). Apres tout, force est de constater que toute guerre est plus ou moins injuste.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".