Understanding animal (ab)use: Green criminological contributions, missed opportunities and a way forward
Notice bibliographique
Résumé
While the last two decades have witnessed considerable growth in green criminology, the positioning of nonhuman animals within the field remains unclear and contested. This article provides an analysis of green criminological work—published since the 1998 special issue of Theoretical Criminology—that addresses harms and crime perpetrated against nonhuman animals. We assess trends in the quantity of the work over time and how the treatment of nonhuman animals has unfolded through an analysis of green criminology articles, chapters in edited volumes and monographs. We find that while the amount of consideration given to nonhuman animals by green criminologists has increased dramatically over the years, much of this work has focused on crimes and harms against wild animals (e.g. “wildlife poaching”, “trafficking”), comparatively less attention has been paid to so-called “domesticated animals” or to larger questions of species justice. Based on these findings, we consider how concepts in critical animal studies, ecofeminism and feminist intersectional theories may be utilized in green criminological debates regarding animal (ab)use. With the goal of stimulating further work in this vein, we outline three areas where green criminology has much to offer: (1) researching and exposing meat production and consumption as a form of animal abuse and as a major contributor to global climate change; (2) bridging the divide between environmentalism, animal advocacy and their associated areas of academic study; and (3) refining and reflecting on methodological choices, all with the aim of developing a nonspeciesist green criminology.
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 | 0,014 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,010 | 0,100 |
| Communication savante | 0,017 | 0,048 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,010 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».