Finding Common Ground: A Critique of Subsumption Theory and Its Application to Small-Scale Forest Carbon Offsetting in Uganda
Notice bibliographique
Résumé
Carbon markets as a policy tool to mitigate emissions of greenhouse gases continue to be controversial, especially in developing countries. It is thus refreshing that Carton and Andersson (2017 Carton, W., and E. Andersson. 2017. Where forest carbon meets its maker: Forestry-based offsetting as the subsumption of nature. Society & Natural Resources 30 (7):829–43.[Taylor & Francis Online], [Web of Science ®] , [Google Scholar]) undertook a field investigation of a transnational forest carbon offset project in Uganda. However, I am concerned that assumptions of structural Marxism that underwrite subsumption theory may have led the authors to see the project as inherently conflict ridden and exploitative and to neglect actual benefits. Their presentation of the project’s local impact jarred with my own empirical research into this project, undertaken in 2009, as well as more recent news accounts. While my field effort preceded the authors’ by 6 years, I attribute our different interpretations largely to theoretical and methodological differences. Evidence I present below suggests considerable alignment between the interests of transnational carbon markets and Ugandan smallholder farmers. Additional fieldwork might be able to resolve these differences in interpretation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,027 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,010 | 0,099 |
| Communication savante | 0,012 | 0,030 |
| Science ouverte | 0,007 | 0,015 |
| Intégrité de la recherche | 0,009 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».