MétaCan
Menu
Retour à la cohorte
Enregistrement W2883507226 · doi:10.1111/anti.12405

The Dark Side of Transformation: Latent Risks in Contemporary Sustainability Discourse

2018· article· en· W2883507226 sur OpenAlexaff
Jessica Blythe, Jennifer J. Silver, Louisa Evans, Derek Armitage, Nathan Bennett, Michele‐Lee Moore, Tiffany H. Morrison, Katrina Brown

Notice bibliographique

RevueAntipode · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSustainability and Climate Change Governance
Établissements canadiensUniversity of British ColumbiaUniversity of VictoriaUniversity of GuelphUniversity of Waterloo
Organismes subventionnairesAustralian Centre for International Agricultural ResearchAustralian Research CouncilStyrelsen för Internationellt Utvecklingssamarbete
Mots-clésGreat RiftPluralArgument (complex analysis)SustainabilityPoliticsNormativeFutures contractSociologyTransformation (genetics)EpistemologyEnvironmental ethicsPolitical scienceLaw and economicsEconomicsLawLinguistics

Résumé

récupéré en direct d'OpenAlex

Abstract The notion of transformation is gaining traction in contemporary sustainability debates. New ways of theorising and supporting transformations are emerging and, so the argument goes, opening exciting spaces to (re)imagine and (re)structure radically different futures. Yet, questions remain about how the term is being translated from an academic concept into an assemblage of normative policies and practices, and how this process might shape social, political, and environmental change. Motivated by these questions, we identify five latent risks associated with discourse that frames transformation as apolitical and/or inevitable. We refer to these risks as the dark side of transformation. While we cannot predict the future of radical transformations towards sustainability, we suggest that scientists, policymakers, and practitioners need to consider such change in more inherently plural and political ways.

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)0,034
score de la tête « metaresearch » (Gemma)0,036
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: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,181

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,036
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0100,094
Communication savante0,0210,028
Science ouverte0,0020,014
Intégrité de la recherche0,0060,010
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,046
Tête enseignante GPT0,321
Écart entre enseignants0,275 · 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

Citations596
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAntipodeMême sujetSustainability and Climate Change GovernanceTravaux en français237 207