Individual animal geographies for the more-than-human city: Storying synanthropy and cynanthropy with urban coyotes
Notice bibliographique
Résumé
Recent efforts within geography to deconstruct anthropocentric readings of the urban and explore the city as 'multispecies' or 'more-than-human' face substantial methodological challenges. This paper contributes an empirical case study of human-coyote urban cohabitations in the Greater Toronto Area, Canada, using a 'hybrid' methodological approach to individual animal geographies. It builds on dialogues surrounding animals' geographies that centre individual animal lifeworlds and experiences, exploring coyotes as subjects and actors who participate in the co-creation of shared urban worlds. A methodological approach based on collaboration and storying recounts the tales of two coyotes - Urban10 and Blondie - and their kin whose stories are gleaned by weaving together diverse social and ecological research tools, including: participant observation with Coyote Watch Canada, document review, semi-structured interviews, GPS collar data, field investigations, ethological observations, and trail cameras. The discussion details implications in terms of cynanthropy - 'becoming-canid' as methodology, delving into coyote lifeworlds using hybrid tools - as well as synanthropy - coyote synurbization and more-than-human urban belongings. Dwelling with Urban10 and Blondie in cynanthropic exploration makes visible opportunities for multispecies researchers to generate knowledge collaboratively with other-than-humans. Findings surrounding synanthropy highlight the practices involved in adapting to and participating, ecologically and socially, in life in the multispecies city. Overall, this paper advances efforts aimed at developing innovative and experimental hybrid methodologies for animal geographies, and theoretical discussions around re-storying the more-than-human city towards livable multispecies futures.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,019 | 0,021 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».