MétaCan
Menu
Retour à la cohorte
Enregistrement W4200018149 · doi:10.1080/17442222.2021.2015140

White animals: racializing sheep and beavers in the Argentinian Tierra del Fuego

2021· article· en· W4200018149 sur OpenAlexaboutno aff
Mara Dicenta

Notice bibliographique

RevueLatin American and Caribbean Ethnic Studies · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographies of human-animal interactions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWhite (mutation)RacializationAnthropocentrismEthnologyCITESDominionPoachingState (computer science)AppropriationPower (physics)Creole languageExceptionalismGeographySociologyPolitical scienceRace (biology)Gender studiesArchaeologyLawPoliticsWildlifeEcology

Résumé

récupéré en direct d'OpenAlex

In the summer of 1946, a landowning bourgeoisie organized the II Livestock Exhibition of Tierra del Fuego, and the Argentinian Navy filmed the introduction of twenty Canadian beavers in the region. Both events echoed power disputes between a military government seeking to nationalize lands and capitals and the European landowners whose privileges were threatened. The events show that landowners and state officers negotiated their interests by articulating Argentina’s white exceptionalism with animals and against racialized others. Interrogating the interspecies articulation of whiteness in Tierra del Fuego during the 1940s, I examine how sheep and beavers helped secure white privilege through land concentration, breeding, racial purification, nature modernization, and eugenic moralities. To answer these questions, I analyze documents and films from local and national archives. My analysis shows the entangled racialization of humans and animals and its effects, including the appropriation of the Fuegian and native identification categories by settlers and the state. This article demonstrates that ‘White Argentina’ is a project desiring to live not only among white citizens but also among white animals. More broadly, I argue that including animals in race and ethnicity studies can better explain the intersectional production of race inequalities.

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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,133
Score d'incertitude au seuil0,919

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,090
Tête enseignante GPT0,393
Écart entre enseignants0,303 · 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'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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLatin American and Caribbean Ethnic StudiesMême sujetGeographies of human-animal interactionsTravaux en français237 207