MétaCan
Menu
Back to cohort

Economie de la défense et industries des petits Etats européens : diversité et recomposition des capacités industrielles nationales au niveau de la construction de plateformes dans un secteur en mutation

2017· dissertation· W7148524555 on OpenAlexaboutno aff
Adrien Caralp

Bibliographic record

Venuenot available
Typedissertation
Language
FieldEconomics, Econometrics and Finance
TopicDefense, Military, and Policy Studies
Canadian institutionsnot available
Fundersnot available
KeywordsContext (archaeology)Quarter (Canadian coin)Deindustrialization

Abstract

fetched live from OpenAlex

Alors que la période qui suit la fin de la guerre froide est caractérisée par une restructuration profonde des industries de la défense au niveau mondial, la plupart des études portent sur les mutations à l’œuvre au sein des principaux pays producteurs et de quelques grands pays émergents. Face à cette situation, ce travail doctoral s’intéresse plus spécifiquement au cas des « petits Etats ». La littérature spécialisée tend en effet généralement à considérer qu’après la fin de la course aux armements qui caractérise la période de l’affrontement bipolaire, seules les principales puissances conserveraient la maîtrise de la conception d’armements sophistiqués alors que les Etats aux budgets militaires significativement plus faibles n’auraient d’autre possibilité que d’accepter un rôle de plus grande subordination à travers une modalité principale : l’intégration au sein des chaînes de valeur des principaux producteurs mondiaux en tant que fournisseurs de systèmes, sous-systèmes et composants. Dans ce cadre, la capacité à concevoir des plateformes (véhicule, navire, sous-marin, avion, hélicoptère…) échapperait définitivement aux « petits Etats » et serait le seul apanage des grandes puissances. Partant du constat du maintien de capacités au niveau de la construction de plateformes dans plusieurs « petits Etats » européens, ce travail s’interroge sur les conditions dans lesquelles ces derniers sont parvenus à conserver un tel niveau de compétence industrielle. Organisé autour de quatre études de cas (Suisse, Finlande, Pays-Bas et Suède) dans trois secteurs distincts (terrestre, naval et aéronautique militaire), il cherche à comprendre si ces capacités constituent un héritage du passé tôt ou tard condamné à disparaître, ou si elles s’insèrent dans des stratégies viables et potentiellement transposables à d’autres trajectoires nationales. Pour ce faire, ce travail commence par revenir sur les apports des principales recherches françaises dans le champ de l’économie de la défense, puis il mobilise les travaux de Michael Porter sur le positionnement concurrentiel et sur les déterminants de l’avantage concurrentiel national afin de les appliquer à l’étude des industries militaires des « petits Etats ».

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 imitation

Not 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.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.002
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.045
Threshold uncertainty score0.090

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.002
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0020.002
Science and technology studies0.0010.001
Scholarly communication0.0030.001
Open science0.0010.001
Research integrity0.0010.000
Insufficient payload (model declined to judge)0.0090.001

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.

Opus teacher head0.033
GPT teacher head0.273
Teacher spread0.240 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2017
Admission routes1
Has abstractyes

Explore more

Same topicDefense, Military, and Policy StudiesFrench-language works237,207