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 l’incapacité avouée à prévoir ce genre d’évènements à l’échelle 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 d’un cadre théorique éclectique considérant l’émergence 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 d’émeutes, 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 l’angle quantitatif. Tout d’abord, nous avons effectué des analyses bivariées entre les différentes catégories d’émeutes 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 l’aspect d’hétérogénéité ethno-religieuse, et également aux variables de la sphère économique. Si ces constatations peuvent sembler tautologiques, en fait il n’en est rien. Ce que nous avons identifié ici est le fait que les différentes typologies d’émeutes, 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 d’émeutes. 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 d’émeutes. Deuxième point important de notre étude : il est possible d’établir des modèles statistiques fiables pour analyser les émeutes de manière macroscopique et ces derniers varient en fonction des catégories d’émeutes. Ainsi, notre modèle multivarié principal explique 50% de la variance du taux global d’émeutes.
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 | 0.008 | 0.024 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.008 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 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".