MétaCan
Menu
Retour à la cohorte
Enregistrement W2957803981 · doi:10.1080/13563467.2019.1625317

Getting the Resilience Right: Climate Change and Development Policy in the ‘African Age’

2019· article· en· W2957803981 sur OpenAlexaff
Michael Mikulewicz, Marcus Taylor

Notice bibliographique

RevueNew Political Economy · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Development and Aid
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésClimate changeScrutinyPsychological resilienceResilience (materials science)PoliticsPolitical sciencePolitical economy of climate changeNarrativePolitical economyClimate resilienceSociologyEconomic growthEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Founded on a call to place climate change adaptation and climate risk management at the heart of contemporary development practice, the World Bank’s Africa Climate Business Plan presents an ambitious agenda for coordinating $19bn of loans, grants and investment over the coming decade. The centrepiece of this recasting of development thinking is the notion of resilience, which ties together the various activities proposed under the Plan. Resilience must respectively be strengthened, empowered and enabled in order for African countries to withstand climate change impacts. In this paper we subject this new climate-resilient development discourse to critical scrutiny. Using the theoretical lens of post-politics, we caution how the ill-defined category of resilience is deployed to reinforce a profoundly depoliticising agenda in which climate change is posited as an external threat to an otherwise seamless narrative of African advancement. In so doing, we illustrate how the Bank obscures the contested histories of African development and uses the discourse of climate-resilient development to perpetuate its neoliberal agenda within the continent.

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)0,009
score de la tête « metaresearch » (Gemma)0,010
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: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0110,025
Communication savante0,0090,014
Science ouverte0,0010,006
Intégrité de la recherche0,0060,008
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,035
Tête enseignante GPT0,307
Écart entre enseignants0,273 · 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

Citations58
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNew Political EconomyMême sujetInternational Development and AidTravaux en français237 207