Trois branches, une vision : les changements climatiques vus par les officiers des forces armées américaines
Bibliographic record
Abstract
Les changements climatiques posent de nombreux défis aux organisations militaires à travers le monde et sont de plus en plus pris en compte dans leurs publications officielles. Elles doivent considérer une multitude de risques liés aux changements climatiques. Le cas des États-Unis est frappant dans ce contexte, compte tenu de leurs initiatives d’adaptation aux changements climatiques, mais aussi la pollution qu’ils engendrent. Alors, comment les forces armées américaines conceptualisent-elles les changements climatiques ? Afin d’analyser la construction des changements climatiques, une analyse qualitative de contenu a été réalisée à partir de mémoires publiés par les officiers qui étudient dans les collèges militaires américains entre 2007, date de publication du rapport phare de la CNA Corporation et du retour de Trump à la Maison Blanche. Les résultats démontrent que le point de vue des officiers de l’armée américaine sur les changements climatiques est très similaire, quelle que soit la branche à laquelle ils appartiennent. La grande majorité des mémoires analysés démontrent que les officiers considèrent que le réchauffement planétaire est un « threat multiplier » ayant le potentiel de déstabiliser plusieurs régions du monde et de créer plus de conflits. Pour les officiers, cependant, la lutte aux changements climatiques représente une opportunité de se démarquer de leurs adversaires. Les énergies renouvelables et les autres solutions aux changements climatiques ne sont pas mises en œuvre par pur altruisme, mais dans le but de maintenir leur supériorité militaire. Ces résultats sont particulièrement pertinents pour les forces armées canadiennes, puisqu’ils permettent de mieux comprendre la vision de son plus proche partenaire militaire et d’accorder ses actions en conséquence.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.008 | 0.005 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.016 | 0.002 |
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".