AMERIKA SERIKAT DALAM RENEGOSIASI NORTH AMERICAN FREE TRADE AGREEMENT MENUJU UNITED STATE-MEXICO-CANADA AGREEMENT
Bibliographic record
Abstract
Penelitian ini membahas perilaku Amerika Serikat (AS) dalam renegosiasi North American Free Trade Agreement (NAFTA) yang menghasilkan United States-Mexico-Canada Agreement (USMCA). Latar belakang penelitian ini berangkat dari keinginan Presiden Donald J. Trump yang ingin mengubah NAFTA menjadi perjanjian baru. Di tengah proses rengeosiasi yang memicu perang tarif antar negara anggota, AS berhasil membuat seluruh negara anggota menyepakati USMCA. Metode penelitian yang digunakan adalah kualitatif dengan pendekatan deskriptif-analitis berbasis data sekunder melalui studi kepustakaan. Analisis dilakukan dengan memadukan dua kerangka konseptual. Pertama, konsep kekuasaan (power) dari James Lee Ray digunakan untuk memetakan distribusi kekuatan di antara AS, Kanada, dan Meksiko. Pemetaan ini menunjukkan adanya asimetri kekuasaan yang menempatkan AS pada posisi lebih dominan dibanding dua mitranya. Kedua, konsep suasion game dari Lisa L. Martin digunakan untuk menjelaskan instrumen yang dipakai AS dalam memanfaatkan asimetri tersebut. Hasil penelitian memperlihatkan bahwa AS menggunakan kombinasi instrument ancaman (threats) dan insentif (side-payments) dalam proses renegosiasi. Ancaman diwujudkan melalui ancaman keluar dari NAFTA serta penerapan tarif baja dan aluminium, sedangkan insentif diberikan melalui pencabutan tarif serta keuntungan lainnya yang dilembagakan dalam USMCA. Strategi ini membuat Kanada dan Meksiko tidak memiliki pilihan selain menerima bentuk perjanjian baru yang lebih sesuai dengan keinginan AS. Dengan demikian, renegosiasi NAFTA yang menjadi USMCA mencerminkan adanya asimetri kekuasaan dalam kerjasama multilateral memberikan ruang bagi AS untuk memengaruhi keputusan Kanada dan Meksiko.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.068 | 0.006 |
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".