Understanding animal (ab)use: Green criminological contributions, missed opportunities and a way forward
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,010 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
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.
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 découle