Mining Money: the generative capacities of scientific and legal knowledge practices in the making of resource economies
Notice bibliographique
Résumé
In 1997 a scandal associated with Bre-X, a junior mining firm, and its prospecting activities in Indonesia, exposed to public scrutiny the ways in which mineral exploration firms acquire, assess and report on scientific claims about the natural environment. At stake here was not just how investors understood the provisional nature of scientific knowledge, but also evidence of fraud. Contemporaneous mining scandals not only included the salting of cores, but also unreliable proprietary sample preparation and assay methods, mis-representations of visual field estimates as drilling results and ‘overly optimistic’ geological reports. This paper reports on initiatives taken in the wake of these scandals and prompted by the Mining Standards Task Force (TSE/OSC 1999). For regulators, mandated to increase investor confidence in Canada’s leading role within the global mining industry, efforts focused first and foremost upon identifying and removing sources of error and wilfulness within the production and circulation of scientific knowledge claims. A common goal cross-cutting these initiatives was ‘a faithful representation of nature’ (Daston and Galison 2010), however, as the paper argues, this was manifest in an assemblage of practices governed by distinct and rival regulative visions of science and the making of markets in claims about ‘nature’. These ‘practices of fidelity’, it is argued, can be consequential in shaping the spatial and temporal dynamics of the marketization of nature.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».