MétaCan
Menu
Retour à la cohorte
Enregistrement W4211144875 · doi:10.1111/reel.12432

Making space for indigenous law in state‐led decisions about hydropower dams: Lessons from environmental assessments in Canada and Brazil

2022· article· en· W4211144875 sur OpenAlexafffundabout
Rebeca Macias Gimenez

Notice bibliographique

RevueReview of European Comparative & International Environmental Law · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHydropower, Displacement, Environmental Impact
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCentre for International Governance InnovationLaw Foundation of British Columbia
Mots-clésIndigenousHydropowerLegislationEnvironmental justiceEnvironmental lawState (computer science)Environmental impact assessmentPolitical scienceLawEnvironmental planningEconomic JusticeEnvironmental resource managementGeographyEnvironmental ethicsPublic administrationEnvironmental protectionEngineeringEcologyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Abstract The article examines the environmental impact assessment of hydropower dams as an opportunity for applying indigenous laws. Although indigenous laws of affected communities exist and have guided the management of land and natural resources for millennia, they have not yet occupied a significant place in state‐led decision making. Consequently, decisions to approve dams, based on state laws and officials' discretionary power, affect indigenous peoples in distinct and profound ways. The analysis is based on the comparison between two decision‐making processes—Site C (Canada) and Belo Monte (Brazil) dams. The methodology includes the application of principles from the environmental justice literature, the analysis of interviews, case law and legislation. The article concludes that environmental justice for indigenous peoples in environmental decision making of projects with significant impacts, such as large dams, requires recognizing and making institutional spaces for implementing indigenous laws.

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)0,007
score de la tête « metaresearch » (Gemma)0,019
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 enseignants0,069
Score d'incertitude au seuil0,502

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0110,008
Communication savante0,0050,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,046
Tête enseignante GPT0,440
Écart entre enseignants0,395 · 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

Citations1
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueReview of European Comparative & International Environmental LawMême sujetHydropower, Displacement, Environmental ImpactTravaux en français237 207