MétaCan
Menu
Retour à la cohorte
Enregistrement W4210698249 · doi:10.1111/tran.12532

Breathing new futures in polluted environments (Taranto, Italy)

2022· article· en· W4210698249 sur OpenAlexaff
Maaret Jokela‐Pansini, Elisabeth Militz

Notice bibliographique

RevueTransactions of the Institute of British Geographers · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographies of human-animal interactions
Établissements canadiensUniversity of Guelph
Organismes subventionnairesSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen Forschung
Mots-clésFutures contractScholarshipSociologyEthnographyEmbodied cognitionStorytellingEthnic groupRelation (database)Gender studiesEconomic growthAnthropologyBusinessNarrative

Résumé

récupéré en direct d'OpenAlex

Abstract This paper analyses the ways that young people create new futures in Taranto, Southern Italy, a city hosting one of the largest and most polluting steel factories in Europe. It draws on ethnographic fieldwork in Taranto and uses storytelling to understand how young people – a minority of residents aged between 24 and 35 years – shape futures in industrially polluted environments. The study weaves together geographic and anthropological scholarship about futures in (post‐)industrial cities, conceptualisations of breathing as well as lived experiences in highly polluted areas. Through mobilising the notion of breathing, we highlight the embodied, entangled, and emotional dimensions of the young people's everyday practices and develop our concept of “breathing new futures.” We argue that both pollution and the envisioning of a new future become visible in everything the study's participants do; the ways they promote environmental awareness, take care of animals, or seek to foster children's education. By focusing on generational differences, the study expands on recent scholarship analysing environmental pollution in relation to intersectional identities such as race, ethnicity, and gender, and sheds light on the activities of young people to imagine and live new futures in polluted environments.

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 enseignants0,016
Score d'incertitude au seuil0,033

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,003
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,012
Tête enseignante GPT0,249
Écart entre enseignants0,237 · 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

Citations18
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions of the Institute of British GeographersMême sujetGeographies of human-animal interactionsTravaux en français237 207