Les motivations des acteurs étatiques dans les interventions humanitaires : les Ãtats-Unis face aux cas du Rwanda (1994), du Kosovo (1999) et du Darfour (2003 à 2008)
Bibliographic record
Abstract
Ce mémoire vise à comprendre les motivations des États à intervenir militairement dans un autre État pour mettre fin aux violations graves des droits de l’homme tel que le nettoyage ethnique et le génocide. Plus précisément, nous cherchons à comprendre pourquoi il y a eu une variation dans la position américaine face aux cas de génocide au Rwanda en 1994, au Kosovo en 1999 et au Darfour de 2003 à 2008. À partir d’une approche réaliste en Relations Internationales qui met l’accent sur l’intérêt national égoïste comme facteur principal explicatif du comportement des États, nous procédons à l’étude des cas de la position américaine lors de trois crises humanitaires. Plus précisément, nous cherchons à comprendre la non intervention des États-Unis lors du génocide des Tutsis au Rwanda en 1994, l’intervention américaine au Kosovo en 1999, et enfin la non intervention américaine au Darfour de 2003 à 2008. \nEn somme, nos études de cas démontrent que c’est l’intérêt national qui motive les États d’intervenir ou de ne pas intervenir lors des cas de nettoyage ethnique ou de génocide. D’une part, lors du génocide des Tutsis au Rwanda en 1994, les États-Unis ne sont pas intervenus car l’intérêt national interprété comme le repli sur les affaires internes américaines ne serait pas maximisé par l’intervention militaire. Ensuite, l’intervention des États-Unis et de l’OTAN au Kosovo en 1999 est expliquée par l’intérêt national américain dans un contexte de l’après guerre froide d’approfondir son engagement sécuritaire en Europe et de préserver sa position hégémonique et son prestige sur la scène internationale, d’assurer la stabilité régionale et de préserver la crédibilité de l’OTAN. Finalement, l’intérêt national défini en termes de sécurité dans un contexte de la guerre au terrorisme explique la non intervention américaine au Darfour de 2003 à 2008.
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 | 0.010 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.010 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.007 | 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 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".