MétaCan
Menu
Retour à la cohorte
Enregistrement W1514399536 · doi:10.1111/soru.12053

Risky (Agri‐) Business: Risk Assessment, Analysis and Management as Bio‐political Strategies

2014· article· en· W1514399536 sur OpenAlexaff
Karla Mason

Notice bibliographique

RevueSociologia Ruralis · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographies of human-animal interactions
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésMisappropriationPoliticsNegotiationRisk managementSpace (punctuation)Resistance (ecology)Order (exchange)Software deploymentRisk analysis (engineering)Indeterminacy (philosophy)SociologyContingencyContingency planBusinessPolitical sciencePublic relationsEnvironmental ethicsEconomicsSocial scienceEpistemologyLawManagementEngineeringComputer scienceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract This article explores risk assessment, analysis and management as strategic responses to the threat of animal disease outbreaks. Such strategies, and the techniques, technologies and practices they give rise to, are conceptualised here as thoroughly bio‐political strategies which induce particular disciplinary effects. These effects are critically explored along three key analytical dimensions: space, place and mobility. This analysis is carried out through a deconstructive reading of both the discourses and practices associated with risk assessment, analysis and management. Whilst the deployment of these strategies acts to classify, categorise, control, order, render visible, distribute (or fix) in space, a heterogeneous array of agents (human and non‐human) and objects, as the article argues, these strategies do not merely delimit or inhibit. Rather, their deployment effects a proliferation of opportunities for resistance, negotiation, transgression and misappropriation, not to mention technical failure. Such strategies are therefore characterised as much by congenital failure and indeterminacy as by efficacy and completion.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0030,036
Communication savante0,0190,006
Science ouverte0,0010,004
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,019
Tête enseignante GPT0,357
Écart entre enseignants0,338 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSociologia RuralisMême sujetGeographies of human-animal interactionsTravaux en français237 207