Bibliographic record
Abstract
En jouant le rôle de médiatrice dans les conflits touaregs de 1991, 2006 et 2012, l’Algérie a toujours réussi à amener les parties à un accord de paix. Cependant, force est de constater la résurgence du conflit armé. Cet enlisement du conflit soulève des questionnements sur la volonté et les stratégies des médiés à réguler leur conflit par la voie de la médiation, mais aussi sur l’efficacité du modèle et de l’approche méthodologique du médiateur sur le long terme. Les grandes questions soulevées et abordées dans cette étude sont : quelle est l’approche algérienne dans la médiation du conflit politique malien ? Cette approche de médiation fonctionne-t-elle ? L’étude s’appuie sur des recherches de terrain menées essentiellement au Mali, de septembre 2017 à septembre 2019, auprès de personnalités impliquées dans le processus de paix. Elle montre que la régulation du conflit complexe nécessite une médiation transformative qui, en plus du processus politique, intègre l’approche ascendante (bottom up). Un tel processus de médiation doit être mené par des acteurs non étatiques pouvant dépolitiser le conflit et instaurer une communication saine pour parvenir à des solutions admissibles pour toutes les communautés, y compris les minorités ethniques ou religieuses.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.010 | 0.012 |
| Scholarly communication | 0.012 | 0.008 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.018 | 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".