MétaCan
Menu
Retour à la cohorte
Enregistrement W3133510239 · doi:10.29263/lar06.2021.03

Cuestionando el consentimiento en las Cortes: una crítica socio-legal a los acuerdos indígenas-industria

2021· article· en· W3133510239 sur OpenAlexaff
Charis Kamphuis, Carlos Quispe Dávila

Notice bibliographique

RevueLatin American Law Review · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal processes and jurisprudence
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

In this article we argue that the legal and social contexts that typically inform the formation of Indigenous-industry agreements in Latin America are marked by enormous power disparities and stark epistemological differences. The literature reviewed here supports the conclusion that it is likely that many of these “agreements” lack legitimacy, and even legality. This in turn raises serious questions about whether or not agreements formed under current conditions could possibly rest on any meaningful notion of consent. We make this important point in order to focus on a narrower set of questions, of the present but also very much one of the future, as we face the aftermath in the years and decades to come, of the proliferation of agreements under present circumstances. What happens when a community mobilizes in order to challenge the legality of an agreement signed with a company in the extractive sector, contesting the idea that it actually consented? What happens if the company and / or the State present a document with signatures of former community leaders that allegedly represent consent? Finally, if the company and the state are unresponsive to a community’s concerns about the deal, can the community resort to the courts? In this article we examine some of these issues by referring to Peru as a case study, and in conclusion we analyze their significance for ongoing normative developments in relation to Indigenous peoples’ right to free, prior and informed consultation and consent.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,031
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,162

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0310,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0080,042
Communication savante0,0110,008
Science ouverte0,0020,005
Intégrité de la recherche0,0090,013
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,023
Tête enseignante GPT0,372
Écart entre enseignants0,349 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLatin American Law ReviewMême sujetLegal processes and jurisprudenceTravaux en français237 207