MétaCan
Menu
Retour à la cohorte
Enregistrement W2624980004 · doi:10.1080/1523908x.2017.1338560

Power/knowledge and natural resource management: Foucaultian foundations in the analysis of adaptive governance

2017· article· en· W2624980004 sur OpenAlexaff
Kristof Van Assche, Raoul Beunen, Martijn Duineveld, Mónica Gruezmacher

Notice bibliographique

RevueJournal of Environmental Policy & Planning · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWater Governance and Infrastructure
Établissements canadiensUniversity of Alberta
Organismes subventionnairesWageningen University and Research
Mots-clésNatural resource managementMateriality (auditing)Corporate governanceNatural resourceSociologyAdaptive managementEpistemologyEnvironmental governanceNatural (archaeology)Power (physics)Environmental ethicsEnvironmental resource managementPolitical scienceManagementAestheticsLaw

Résumé

récupéré en direct d'OpenAlex

In this paper, we present a conceptual framework extending Foucaultian insights on the relations between power and knowledge to link up with current insights into studies of natural resource management (NRM) and more broadly environmental studies. We classify discourses in NRM according to understandings of social–ecological systems and argue that grasping those larger contexts can push NRM in a different direction, forming a base for more informed and inclusive decision-making. We then reconstruct the importance of materiality, the physical world, for the functioning of NRM within social–ecological systems. The concept of livelihoods is added to our developing Foucaultian frame, as material/discursive entwinements which structure responses of many stakeholders in NRM. Finally, we present an expansion of Foucaultian NRM into adaptive governance thinking as a logical outcome of basic insights into power/knowledge, developed and contextualized in current NRM and its critical analyses

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)0,011
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,011
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0060,094
Communication savante0,0070,012
Science ouverte0,0020,005
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,315
Écart entre enseignants0,301 · 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

Citations107
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Policy & PlanningMême sujetWater Governance and InfrastructureTravaux en français237 207