Explaining political polarization in environmental governance using narrative analysis
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
Research into formation of environmental narratives can explain the process of political polarization in environmental governance, or perhaps more constructively, how to avoid it. To do so, we must broaden narrative analysis to include the evolution of relationships between environmental norms in a community and the changing positionality of the researcher. I show how this may be done, by focusing on river governance in post-Tropical Storm Irene New England, USA. The storm left residents in the region bitterly divided over how a river should be governed. Relying on interviews, newspaper articles, and judiciary and town hall proceedings, I show that two narratives coevolved from norms of vulnerability and stewardship as different groups vied for power in river governance. As they did so, the community became polarized as the newer, stewardship-based narrative gained legitimacy by problematizing traditional environmental norms. In response, community members who saw the river as dangerous and the town as vulnerable defended these norms by problematizing the new narrative. Through an iterative process, the different environmental narratives became increasingly relative as each attempted to dictate governance. Ultimately, the narratives became problematized reflections of one another. This process undermined the possibility of compromise or novel governance schemes that may have incorporated different environmental norms. To avoid polarization, researchers must at one time position themselves within the political process but take care to study how this position changes governance.
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 | 0,000 |
| 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 | 0,000 |
| 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) | 0,000 | 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