Sensing policy: engaging affected communities at the intersections of environmental justice and decolonial futures
Notice bibliographique
Résumé
Pushing back against an extractive approach to research to center relationships, this paper draws from ethnographic sensibilities and community vignettes to discuss what academic-activists and political scientists can learn from communities’ situated bodies of knowledge. Tensions emerge when those most directly affected by public policy decisions are excluded from the decision-making process. Consultation leaves many encountering a paradox: their lived experiences are discredited even when they are invited to participate. This paper offers an imaginative approach to the design of participatory policy processes and asks: how can decision-makers meaningfully engage affected parties in pursuit of environmentally just policy creation? In response, this paper argues that bodies generally, and guts specifically, are political. To do so, I flesh out how a sensing policy approach to public engagement and socially engaged research can assist those crafting policies – including, laws, programs and service-delivery – to address contentious multilayered environmental justice issues. These include concerns for more-than-human life. Reflecting on experiences of community-engagement with Indigenous communities in Canada and Hawaiʻi, sensing policy builds from interpretive methods and intersectionality-based policy analysis to inform and potentially improve decision-making processes by taking seriously the experiences, knowledges and voices of those most affected by the government (in)decisions.
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 | 0,034 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,027 | 0,073 |
| Communication savante | 0,015 | 0,018 |
| Science ouverte | 0,003 | 0,021 |
| Intégrité de la recherche | 0,005 | 0,005 |
| 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 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 ».