Johtajuus ja demokratia
Bibliographic record
Abstract
Artikkeli tarkastelee kansanäänestysten käytäntöjä tapauksissa, joissa demokratian perinne on jo läh tökohtaisesti heikko tai puutteellinen. Tutkimusaineistona ovat niin sanotut Nations in Transit -maat, eli 29 entisen Neuvostoliiton vaikutuspiirissä ollutta valtiota. Artikkeli kysyy, millaisia kansanäänestyksiä on järjestetty viimeisten kolmen vuosikymmen aikana ja soveltaa osaan aineistoa ”kansanäänestyksellisen johtajademokratian” teoriaa (engl. plebiscitary leader democracy, PLD). Kun aiempi tutkimus on tarkastellut kansanäänestyksiä lähinnä läntisistä näkökulmista ja aineistoista, artikkelin kriittinen näkökulma korostaa äänestyksiä sekä keinona hankkia legitimiteettiä autoritaariselle johtajuudelle että puolueiden valtapelinä. Päädyimme neljään erilaiseen luokkaan, joista huomio keskittyy erityisesti johtajan aloitteesta järjestettyyn ja yli kolmeenkymmeneen johtajan valta-asemaa koskevaan äänestykseen. Vaikka kansanäänestyksien roolia korostetaan usein keinona mitata kansalaismielipidettä tai hallituksen toteuttamaa politiikkaa, niiden käyttö epädemokraattisten tarkoitusperien saavuttamisen keinona korostuu erityisesti tarkasteltaessa EU:n itärajoja yhdessä Länsi-Balkanin valtioiden, Kaukasian ja Keski-Aasian kanssa.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.010 | 0.004 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.054 | 0.020 |
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".