Blind spots in IPE: marginalized perspectives and neglected trends in contemporary capitalism
Notice bibliographique
Résumé
Which blind spots shape scholarship in International Political Economy (IPE)? That question animates the contributions to a double special issue—one in the Review of International Political Economy, and a companion one in New Political Economy. The global financial crisis had seemed to vindicate broad-ranging IPE perspectives at the expense of narrow economics theories. Yet the tumultuous decade since then has confronted IPE scholars with rapidly-shifting global dynamics, many of which had remained underappreciated. We use the Blind Spots moniker in an attempt to push the topics covered here higher up the scholarly agenda—issues that range from institutionalized racism and misogyny to the rise of big tech, intensifying corporate power, expertise-dynamics in global governance, assetization, and climate change. Gendered and racial inequalities as blind spots have a particular charge. There has been a self-reinforcing correspondence between topics that have counted as important, people to whom they matter personally, and the latter’s ability to build careers on them. In that sense, our mission is not only to highlight collective blind spots that may dull IPE’s capacity to theorize the current moment. It is also a normative one—a form of disciplinary housekeeping to help correct both intellectual and professional entrenched biases.
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 | 0,012 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,053 |
| Communication savante | 0,014 | 0,025 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,008 |
| 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 ».