Macro-analyse quantitative des facteurs dâémergence des émeutes : une nouvelle approche de compréhension mondiale des violences collectives
Bibliographic record
Abstract
Suite aux émeutes du Printemps Arabe de 2011 et lâincapacité avouée à prévoir ce genre dâévènements à lâéchelle mondiale, nous nous sommes intéressés à une nouvelle approche macroscopique quantitative qui doit permettre de mieux comprendre cette problématique dans son ensemble. Après avoir considéré, au travers des connaissances existantes, la conception dâun cadre théorique éclectique considérant lâémergence des émeutes, nous avons procédé à une analyse par recension de leurs facteurs regroupés en sphères politiques, économiques, sociales et technologiques. De ces analyses nous avons tiré trois grandes catégories dâémeutes, à savoir, les émeutes ethniques-religieuses, les émeutes socio-économiques, et les émeutes de masse-politiques.\n\nDans la deuxième partie de notre recherche, nous avons abordé la problématique sous lâangle quantitatif. Tout dâabord, nous avons effectué des analyses bivariées entre les différentes catégories dâémeutes et les différentes sphères de variables. Nous avons ainsi remarqué que les émeutes de masse-politiques sont principalement sensibles aux facteurs politiques des pays. Les émeutes socio-économiques de notre échantillon sont quant-à -elles fortement liées aux variables des sphères sociales et économiques. Enfin, les émeutes de type ethniques-religieuses sont liées à la fois à la sphère sociale, et plus particulièrement à lâaspect dâhétérogénéité ethno-religieuse, et également aux variables de la sphère économique. Si ces constatations peuvent sembler tautologiques, en fait il nâen est rien. Ce que nous avons identifié ici est le fait que les différentes typologies dâémeutes, comme nous les avons établies, ont un lien direct avec les sphères de variables concordantes, répondant ainsi à une logique quantitative.\nEnsuite, nous avons établi des modèles statistiques par le biais de régressions linaires multiples. Plusieurs modèles ont été créés pour répondre aux différentes typologies dâémeutes. On retrouve ainsi un modèle global visant à comprendre les émeutes dans leur ensemble, et également des modèles spécifiques créés pour analyser les sous-catégories dâémeutes. Deuxième point important de notre étude : il est possible dâétablir des modèles statistiques fiables pour analyser les émeutes de manière macroscopique et ces derniers varient en fonction des catégories dâémeutes. Ainsi, notre modèle multivarié principal explique 50% de la variance du taux global dâémeutes.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| 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".