MétaCan
Menu
Retour à la cohorte
Enregistrement W2676349583 · doi:10.12759/hsr.42.2017.2.318-342

Scaling Greenpeace: From Local Activism to Global Governance

2017· article· en· W2676349583 sur OpenAlexaboutno aff
Frank Zelko

Notice bibliographique

RevueSocial Science Open Access Repository (GESIS – Leibniz Institute for the Social Sciences) · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSociopolitical Dynamics in Nepal
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCorporate governanceSociologyEnvironmental governancePolitical scienceSocial sciencePublic administrationEnvironmental ethicsManagementEconomics

Résumé

récupéré en direct d'OpenAlex

Greenpeace was founded in Vancouver in the early 1970s. Initially, it was a small anti-nuclear protest group composed of Americans and Canadians, peaceniks and hippies, World War II veterans and people barely out of high school. Twenty years later, it was the world’s largest environmental NGO, with headquarters in Amsterdam, branches in over forty nations, and a regular presence at international environmental meetings throughout the world. This article will chart Greenpeace’s growth throughout its first two decades, in the process examining how the organization became influential at several levels: in local politics in places like Vancouver; at the national level in countries such as Canada, New Zealand, the USA, and Germany; and at global forums such as the International Whaling Commission and various UN-sponsored environmental meetings. It will analyze the combination of activist agency and political op-portunity structures that enabled Greenpeace to gain political influence. I argue that Greenpeace’s influence largely stemmed from its engagement with what political scientist Paul Wapner calls “world civic politics,” which in this case involves the dissemination of an ecological sensibility that indirectly influences behavior at multiple scales, from individuals, to governments, to multi-lateral organizations. Only in this way could a group with relatively limited resources hope to influence millions of individuals and powerful governments.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0050,014
Communication savante0,0100,004
Science ouverte0,0010,013
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,116
Tête enseignante GPT0,494
Écart entre enseignants0,378 · 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

Citations13
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial Science Open Access Repository (GESIS – Leibniz Institute for the Social Sciences)Même sujetSociopolitical Dynamics in NepalTravaux en français237 207