Le retour du Canada? Le déploiement de militaires au sein des opérations de paix des Nations Unies sous le gouvernement de Justin Trudeau (2015-2019)
Bibliographic record
Abstract
La volonté d’un pays de participer, ou non, aux opérations de paix de l’Organisation des Nations unies, a fait l’objet de diverses études afin d’expliquer quels sont les facteurs qui influencent la participation à ces opérations. En s’appuyant sur le cadre d’analyse élaboré par Alex J. Bellamy et Paul D. Williams, ce mémoire analyse les facteurs qui ont influencé la participation du Canada, sous le gouvernement Trudeau de 2015 à 2019, aux opérations onusiennes. Cette étude de cas se base sur l’analyse de sources primaires (entrevues, documents gouvernementaux, discours, déclarations) ainsi que de sources secondaires (articles journalistiques, littérature scientifique). L’objectif de cette étude de cas est de mettre en lumière le ou les facteurs ayant le plus influencé la décision canadienne de participer à la mission onusienne au Mali de 2018 à 2019. Ce mémoire révèle que les facteurs politiques, comme le prestige national et la voix au sein des affaires des internationales et des Nations Unies, sont ceux ayant eu le plus d’impact sur la décision canadienne de participer à cette mission. Alors que de nombreux facteurs inhibiteurs, comme les priorités alternatives et la politique domestique difficile, ont eu une importante influence sur le processus décisionnel.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.014 | 0.005 |
| Scholarly communication | 0.011 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.013 | 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".