MétaCan
Menu
Retour à la cohorte
Enregistrement W2093293957 · doi:10.1080/15239080500339786

Scaling discourse analysis: Experiences from Hermanus, South Africa and Walvis Bay, Namibia1

2005· article· en· W2093293957 sur OpenAlexaff
Roger Keil, Anne‐Marie Debbané

Notice bibliographique

RevueJournal of Environmental Policy & Planning · 2005
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSouth African History and Culture
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésPoliticsPolitical ecologyDiscourse analysisScale (ratio)State (computer science)SociologyEnvironmental policyPower (physics)Political economyEcologyPolitical scienceEnvironmental resource managementGeographyEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Scaling discourse analysis refers to the necessity to consider environmental discourse a multi-dimensional and diversified practice. Depending on the various levels of state and society at which environmental policies are applied and depending on the geographical scale at which their solution is sought, we have to differentiate both policy processes and outcomes in environmental politics. We introduce the importance of scale in mapping the multiple trajectories through which complex and intertwined relations of power produce and reproduce uneven geographies in the area of urban environmental policy. More specifically, we are seeking to cast light on the relationships between scale, discourse and the politics of urban environments. Using an approach influenced by urban political ecology, the relevant discourses here are constructed in a triangle of terms: urban, ecology and policy. In this triangle, there are no givens and invariables. Its three points are constituted through contested discourses and practices. We approach our analysis from an understanding of urban water policies in two municipalities Namibia and South Africa as the outcome of a discursive and material practice operating at various levels of state and society and as an integral part of wider processes of social and political change.

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)0,007
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,006
Études des sciences et des technologies0,0330,016
Communication savante0,0080,006
Science ouverte0,0010,009
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,018
Tête enseignante GPT0,289
Écart entre enseignants0,271 · 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'étudeQualitatif
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

Citations29
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Policy & PlanningMême sujetSouth African History and CultureTravaux en français237 207