MétaCan
Menu
Retour à la cohorte
Enregistrement W2978802813 · doi:10.1177/2514848619878167

Visioning African lionscapes: Securing space, mobilizing capital, and fostering subjects

2019· article· en· W2978802813 sur OpenAlexaff
Sandra McCubbin, Alice J. Hovorka

Notice bibliographique

RevueEnvironment and Planning E Nature and Space · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographies of human-animal interactions
Établissements canadiensYork UniversityQueen's University
Organismes subventionnairesnon disponible
Mots-clésSummitCorporate governanceGovernment (linguistics)SociologyPoliticsSubjectivityHonorCapital (architecture)Political sciencePublic administrationLawManagementEconomicsHistoryGeographyEpistemology

Résumé

récupéré en direct d'OpenAlex

In September 2016, 14 months after the illegal killing of Cecil the lion raised an international furore over trophy hunting, 58 individuals gathered at Oxford University for the Cecil Summit, a meeting of experts designed to vision the future of lion conservation in honor of Cecil. This paper explores the Cecil Summit through an analytic of government as a means to provide new insights into securitized and neoliberal conservation governance in action. On this basis, we show how the actors emboldened by the Cecil Moment claimed the authority to vision the Cecil Movement. Using video and document review, and semi-structured interviews, our discourse analysis highlights three components of intervention into African lionscapes emerging from the summit—securing space, mobilizing capital, and producing subjects—that are founded upon claims to scientific and economic rationality as well as specific representations of lions and rural Africans. Our analysis of the vision contributes to recent discussions in political ecology about the dovetailing of conservation, security, the economy—and we add—subjectivity. We conclude by pointing to the way in which militarized conservation appears to be inching closer to the lion and offering a critique of the vision for lion conservation put forward at the Cecil Summit.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,375
Score d'incertitude au seuil0,572

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,011
Tête enseignante GPT0,263
Écart entre enseignants0,252 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Planning E Nature and SpaceMême sujetGeographies of human-animal interactionsTravaux en français237 207