New extractive frontiers in Ireland and the moebius strip of wind/data
Notice bibliographique
Résumé
This article maps the interconnections between two emergent resource frontiers in Ireland: wind and data. Adding to literature about extraction and extractivism, we account for how these expanded extractive frontiers are mobilised within self-sustaining and automated formations. In Ireland, digital infrastructures such as data centres are developed by multinational tech companies to avail of a naturally cool climate and business environment friendly to their investment, part of a wider extractive system by which data are made valuable for their expansive operations. Wind farms similarly make use of Ireland’s climate to generate energy, often used to power digital infrastructures, and are increasingly embedded within ‘smart’ energy and data systems. Wind and data are seen discretely as ‘abundant’ resources, their infrastructures built on terra or (offshore) mare nullius, and their operations ‘green’. However, their infrastructures are entangled with non-renewable energy systems and tax evasive capital, and built across existing communities and environments through policy, planning logics and increasingly automated methods of maintenance and optimisation. Through what we call ‘the moebius strip of wind/data’, wind and data infrastructures are increasingly formidable in dictating our energy futures. In this article, we articulate how they are connected and how we can disentangle them, especially in their operation across urban and rural geographies.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,027 |
| Communication savante | 0,014 | 0,012 |
| Science ouverte | 0,001 | 0,011 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».