MétaCan
Menu
Retour à la cohorte
Enregistrement W2560448930 · doi:10.59588/2782-8875.1003

The Surviving Sunset of Manila Bay and the Ethics of Environmental Justice in Philippine Ecopoetry

2021· article· en· W2560448930 sur OpenAlexaff
Rina Garcia Chua

Notice bibliographique

RevueAkda The Asian Journal of Literature Culture Performance · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocioeconomic Development in Asia
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEnvironmental justiceEconomic JusticeVerdictGovernment (linguistics)Representation (politics)Environmental lawLawEnvironmental ethicsNatural resourceNatural (archaeology)SociologyPolitical scienceGeographyPolitics

Résumé

récupéré en direct d'OpenAlex

The Philippines, a country rich with natural resources, has taken steps to preserve its environmental megadiversity through the government’s existing environmental laws. However, reality seems to show a glaring disparity between what is being protected and what is being abused. The question is: what is fair to all? This paper’s primary purpose is to explore the aesthetics of local ecopoetry to discover whether the representation of environmental justice in literature can promote ecological fairness in the Third World. Using Hume’s concept of aesthetics to explore the inconsistency between the environmental laws and the message of the selected ecopoems, this study reveals that literature may be an important key to unlocking the solutions to the issue of environmental justice. Moreover, literature may serve as the unheard voice of the abused in the environment and may help pronounce the long-awaited verdict that the law cannot give to achieve environmental justice.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,486
Score d'incertitude au seuil0,490

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,010
Tête enseignante GPT0,266
Écart entre enseignants0,256 · 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 tête enseignante, 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAkda The Asian Journal of Literature Culture PerformanceMême sujetSocioeconomic Development in AsiaTravaux en français237 207