Greedy Bat Eaters versus Cruel Pig Killers: The Lose-Lose Battle of Divisive Discourse
Notice bibliographique
Résumé
Unsurprisingly, the circumstances and challenges brought about by the COVID-19 pandemic have generated strong reactions. Among the more notable, Canadian musician and animal activist Bryan Adams made headlines when he went on a tirade on social media denouncing ‘fucking bat eating, wet market animal selling, virus making greedy bastards’ and advocating for veganism. This article uses this incident as a prism through which to examine the values and assumptions informing some of the central debates within the mainstream animal advocacy movement today. Certainly, there is an urgent need for a critical re-evaluation of the policies and practices that have created the conditions in which viral pathogens can spread, especially those relating to our treatment of nonhuman animals (and our relationship with nature more broadly). However, the roots of the problem are fundamentally structural, and not attributable to any one country or culture. The thoughtless use of terms that contribute to a politically charged and rancorous public debate readily descends into a lose-lose battle, which may hinder efforts to address complex and collective concerns in a mutually cooperative manner. If COVID-19 is to represent a turning point towards building a more equitable, sustainable, and resilient world for humans and nonhuman animals alike, the kind of fractioning that is currently being exacerbated by the use of divisive discourse must be eschewed in favour of a greater recognition of our fundamental interconnectedness, including through a more pluralistic understanding of law.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».