MétaCan
Menu
Retour à la cohorte
Enregistrement W2887872922 · doi:10.5204/ijcjsd.v7i4.936

Sensitising Green Criminology to Procedural Environmental Justice: A Case Study of First Nation Consultation in the Canadian Oil Sands

2018· article· en· W2887872922 sur OpenAlexaboutno aff
James Heydon

Notice bibliographique

RevueInternational Journal for Crime Justice and Social Democracy · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Conservation and Criminology Analyses
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental justiceIndigenousInjusticeDeliberationProcedural justiceScholarshipVictimisationCriminologyRestorative justiceSociologyGreen criminologyEconomic JusticeEnvironmental ethicsPolitical scienceCriminal justiceLawPoison controlPsychologyHuman factors and ergonomicsPoliticsEcology

Résumé

récupéré en direct d'OpenAlex

Procedural environmental justice refers to fairness in processes of decision-making. It recognises that environmental victimisation, while an injustice in and of itself, is usually underpinned by unjust deliberation procedures. Although green criminology tends to focus on the former—distributional dimension of environmental justice—this article draws attention to its procedural counterpart. In doing so, it demonstrates how the notions of justice-as-recognition and justice-as-participation are jointly manifested within its conceptual boundaries. This is done by using the consultation process that occurs with indigenous peoples on proposed oil sands projects in Northern Alberta, Canada, as a case study. Drawing from ‘elite’ interviews, the article illustrates how indigenous voices have been marginalised and their Treaty rights misrecognised within this consultation process. As such, in seeking to understand the procedural determinants of distributional injustice, the article aims to encourage broader green criminological scholarship to do the same.

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)0,006
score de la tête « metaresearch » (Gemma)0,012
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,117
Score d'incertitude au seuil0,540

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0690,028
Communication savante0,0070,003
Science ouverte0,0030,010
Intégrité de la recherche0,0060,007
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 Opus0,088
Tête enseignante GPT0,345
Écart entre enseignants0,257 · 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

Citations12
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Crime Justice and Social DemocracyMême sujetWildlife Conservation and Criminology AnalysesTravaux en français237 207