MétaCan
Menu
Retour à la cohorte
Enregistrement W2792807508 · doi:10.1111/cag.12438

Critical GIS as a tool for social transformation

2018· article· en· W2792807508 sur OpenAlexvenueno aff
Marianna Pavlovskaya

Notice bibliographique

RevueCanadian Geographies / Géographies canadiennes · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographic Information Systems Studies
Établissements canadiensnon disponible
Organismes subventionnairesGraduate CenterNational Stroke Foundation
Mots-clésSociologySocial transformationScholarshipSocial changeSolidarityPoliticsPolitical science

Résumé

récupéré en direct d'OpenAlex

When Critical GIS emerged in the 1990s and gained momentum in the 2000s, its potential for enabling progressive social change generated considerable excitement. By combining the powers of mapping, information technologies, and critical social theory, it promised new possibilities for acting upon the growing social contradictions of the neoliberal era. Critical GIS seemed to open a pragmatic plane of action by fusing progressive geographic imaginations with concrete and tangible maps. As I reflect on the state of critical GIS in the middle of the second decade of the 21st century, new configurations of class power, patriarchy, and racism are rapidly reshaping our social and geopolitical worlds and are precipitating environmental destruction. Yet, I attempt to develop the idea that GIS is a tool for social transformation because it can produce new cartographies and spaces of possibility and build and expand geographies of hope and care that change social imaginaries in favour of non‐hierarchical class, gender, and race relations. In short, critical GIS scholarship both engages ongoing progressive politics and can create new possibilities for change. In particular, I examine two interventions of critical GIS: creating cartographies of solidarity and teaching.

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)0,019
score de la tête « metaresearch » (Gemma)0,015
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 enseignants0,024
Score d'incertitude au seuil0,172

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0080,005
Études des sciences et des technologies0,0190,085
Communication savante0,0220,019
Science ouverte0,0020,016
Intégrité de la recherche0,0040,006
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 Opus0,017
Tête enseignante GPT0,267
Écart entre enseignants0,250 · 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

Citations76
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Geographies / Géographies canadiennesMême sujetGeographic Information Systems StudiesTravaux en français237 207