Human Geography, Indigenous Mapping, and the US Military: A Response to Kelly and Others’ “From Cognitive Maps to Transparent Static Web Maps”
Notice bibliographique
Résumé
In 2017, Cartographica published an article that criticized some human geographers for misguided oversensitivity to the use of funding from the US military to map indigenous lands. According to Kelly and others, geographers who map indigenous lands with funding from the US military – as they have done in Honduras – do not compromise the discipline’s ethical norms as long as they openly reveal their source of funds. We re-evaluate this claim by considering the specific source of funding used by Kelly and others to map indigenous lands in Honduras: the US military’s Minerva Research Initiative. Awards from Minerva, we show, are neither arbitrary nor based principally upon scholarly evaluation. Rather, the program is organized to increase the power of the US military through the development of new tactics and weapons through collaboration with social scientists. We conclude by discussing implications of our critique of Kelly and others for the ongoing debate regarding the involvement of the US military in the discipline of geography.
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 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,026 | 0,087 |
| Communication savante | 0,023 | 0,023 |
| Science ouverte | 0,004 | 0,013 |
| Intégrité de la recherche | 0,032 | 0,042 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».