MétaCan
Menu
Retour à la cohorte
Enregistrement W1972032407 · doi:10.1111/j.1467-8330.2009.00678_1.x

<i>Suffering for Territory: Race, Place, and Power in Zimbabwe</i> by Donald Moore

2009· article· en· W1972032407 sur OpenAlexaboutno aff
Noel Castree

Notice bibliographique

RevueAntipode · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCross-Cultural and Social Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPower (physics)ColonialismEthnographySociologyState (computer science)HistoryMedia studiesGender studiesAnthropologyArchaeology

Résumé

récupéré en direct d'OpenAlex

Donald Moore is an anthropologist based at Berkeley whose previous work is known to many geographers.One of his first published pieces appeared in Economic Geography during the early 1990s, while a similar study graced the pages of the now-classic volume Liberation Ecologies (Peet and Watts 1996) when the first edition appeared over a decade ago.Around this time Donald Moore suffered serious injuries in a car accident-injuries that have badly affected his physical mobility ever since.Happily, though, his powers of thought and expression survived the accident unscathed.Years in-the-making, Suffering for Territory is clearly the work of a fine mind.Rendered in often artful prose, this rich and rewarding book will, I hope, gain its author plaudits in both geography and his own disciplinary community.What's more, I hope this monograph is read widely outside the US, where Moore's work is currently best-known.Before explaining why I think this is such a good book, let me summarise its aims and focus.Suffering for Territory is a theoretically informed (and informative) ethnography.The territory in question is the Kaerezi Resettlement Scheme (KRS) in Zimbabwe's eastern highlands.This scheme was established after British southern Rhodesia became the nominally postcolonial, independent state of Zimbabwe in 1980.It made available-under certain terms and conditions-land that, during the colonial period, had been the white-owned Gaeresi Ranch.But Moore's story is no simple one of black smallholders' triumphant return to land they were previously displaced or excluded from by racialised property laws.Instead, he draws upon over two years of field research to narrate a complex tale about the making and remaking of this particular patch of territory.I quote Moore at length: "the [KRS] . . .overlay a chiefdom and rainmaking territory where several sovereigns asserted rule . . .State officials, a postcolonial chief, his headman, and a rainmaker all sought to influence resettlement.These competing practices of spatial discipline, sovereignty and subjection all coexisted at the same time in the same postcolonial place.Kaerezi's multiple and simultaneous spatialities conjured heterogenous histories.[Its] . . .landscape of rule was not the result of a serial succession of new rationalities and administrative designations [erasing] . . .previous power relations.Rather, previous sedimentations remained consequential even as they became reworked" (p 3).Moore focuses on how Kaerizians staked claims to territory during the 1990s.But in doing so he necessarily delves into the several histories not only of Kaerezi but of Zimbabwe as a whole, especially pre-independence.In nine consistently interesting chapters, prefaced by a long introduction, Moore depicts "an entangled landscape, in which multiple spatialities, temporalities, and power relations combine" (p 3).A major theme throughout is how "race" and ethnicity-contingent and mutable

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0030,002
Communication savante0,0050,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0170,003

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 Opus0,008
Tête enseignante GPT0,296
Écart entre enseignants0,287 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations1
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAntipodeMême sujetCross-Cultural and Social AnalysisTravaux en français237 207