MétaCan
Menu
Retour à la cohorte
Enregistrement W3160839084 · doi:10.18357/anthropologica6312021278

Growing (with) Muskeg: Oil Sands Reclamation and Healing in Northern Alberta

2021· article· en· W3160839084 sur OpenAlexaffvenueabout
Tara L. Joly

Notice bibliographique

RevueAnthropologica · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesnon disponible
Mots-clésLand reclamationBureaucracyIndigenousOil sandsBorealGovernment (linguistics)GeographyLand useEnvironmental resource managementArchaeologyEcologyEnvironmental sciencePolitical scienceCivil engineeringEngineeringLawPolitics

Résumé

récupéré en direct d'OpenAlex

Scientists working for oil companies in the Athabasca region are developing methods by which to reclaim muskeg (boreal peatlands) on land disturbed by oil sands extraction. The Alberta government requires companies to reclaim disturbed land by achieving equivalent capability of the landscape to support an end land use. Indigenous community members instead define reclamation as establishing not only quantifiable ecological functions, but also relationships to their traditional territories. Tensions emerge as Indigenous concerns are often subsumed within bureaucratic discourses that favour scientific classification and quantification of land uses in reclaimed areas. Divergent responses to muskeg in reclamation activities are informed in part by these competing emphases on quantifiable landscapes as opposed to those that are relational and growing. This article traces this multiplicity through the examination of government and scientific literature and ethnographic fieldwork with Indigenous communities in northern Alberta. Muskeg is used as an analytical tool to explore competing conceptions of land reclamation. Mistranslation of polysemantic terms like muskeg occur on an ontological level, and settler colonial relations and power imbalances between competing languages and knowledge systems proliferate in reclamation activities.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,102
Score d'incertitude au seuil0,205

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0200,007
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,037
Tête enseignante GPT0,370
Écart entre enseignants0,333 · 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

Citations4
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAnthropologicaMême sujetIndigenous Studies and EcologyTravaux en français237 207