Cartografierea premiselor și stimulentelor FIMI în context electoral în Republica Moldova
Bibliographic record
Abstract
Acest raport analizează factorii favorizanți și motivaționali ai manipulării informațiilor și ingerințelor străine (FIMI) în procesele electorale din Republica Moldova, aplicând un cadru analitic format din 22 de factori, elaborat în cadrul proiectului „Combaterea manipulării informațiilor și ingerințelor străine în alegeri” implementat de International IDEA cu sprijinul Global Affairs Canada. Raportul identifică vulnerabilități esențiale, de la nivelul redus de încredere în instituții și fragilitatea socio-economică, până la lacune în reglementarea mediului digital, exploatate de actori maligni, în special din Federația Rusă. Raportul recomandă măsuri pentru consolidarea coordonării instituționale, creșterea transparenței finanțării campaniilor electorale, extinderea supravegherii de reglementare asupra platformelor digitale și construirea rezilienței societale prin alfabetizare media și sprijin pentru jurnalismul independent. Împreună, aceste acțiuni urmăresc să protejeze integritatea electorală și să consolideze reziliența democratică a Republicii Moldova, în concordanță cu angajamentele sale privind integrarea europeană.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.020 | 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".