MétaCan
Menu
Retour à la cohorte
Enregistrement W3179254910 · doi:10.1177/0308518x211029661

Ethical product havens in the global diamond trade: Using the Wayback Machine to evaluate ethical market outcomes

2021· article· en· W3179254910 sur OpenAlexaboutno aff
Trina Hamilton, Seth Cavello

Notice bibliographique

RevueEnvironment and Planning A Economy and Space · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFair tradeMonopolyProduct (mathematics)ReputationCertificationBusinessEconomicsInternational tradePolitical scienceLawMarket economy

Résumé

récupéré en direct d'OpenAlex

Who benefits from ethical product markets? While most ethical products (e.g. fair trade and eco-certified products) are intended to benefit marginalized communities and vulnerable ecosystems, the reality is that the geographic preferences exhibited by so-called ethical markets may, in fact, reinforce global inequities rather than remedy them. It can be difficult to evaluate the outcomes of ethical product markets, however, because we are often limited to data from a small number of industries with widely used standards and certifications. This research pilots a new methodology, using an online archive—the Wayback Machine, to evaluate shifts in countries' ethical market share, focusing on the evolution of the ethical diamond market over the past 20 years. The ethical diamond market is an interesting case because it began specifically as a competition among countries of origin, with Canadian officials and diamond producers trading on Canada's reputation to position Canada as an ethical product haven in opposition to conflict diamonds from Africa. Yet, Canada's early ethical monopoly has been contested on multiple fronts, and this article focuses on the following questions: To what extent has the contestation over Canada's ethical monopoly actually changed the ethical diamond market? Specifically, how much market share have different ethical alternatives gained and lost over time? And, what does this tell us about the governance and development outcomes of the market? The results show that while the market has diversified over time, it is still largely not benefiting the most marginalized diamond producing countries and communities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,372
Score d'incertitude au seuil0,385

Scores Codex et Gemma par catégorie

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

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 Opus0,021
Tête enseignante GPT0,248
Écart entre enseignants0,226 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Planning A Economy and SpaceMême sujetMining and Resource ManagementTravaux en français237 207