Notice bibliographique
Résumé
Seeking new definitions of ecology in the tar sands of northern Alberta and searching for the sweetness of life in the face of planetary crises. Confounded by global warming and in search of an affirmative politics that links ecology with social change, Matt Hern and Am Johal set off on a series of road trips to the tar sands of northern Alberta—perhaps the world's largest industrial site, dedicated to the dirty work of extracting oil from Alberta's vast reserves. Traveling from culturally liberal, self-consciously “green” Vancouver, and aware that our well-meaning performances of recycling and climate-justice marching are accompanied by constant driving, flying, heating, and fossil-fuel consumption, Hern and Johal want to talk to people whose lives and fortunes depend on or are imperiled by extraction. They are seeking new definitions of ecology built on a renovated politics of land. Traveling with them is their friend Joe Sacco—infamous journalist and cartoonist, teller of complex stories from Gaza to Paris—who contributes illustrations and insights and a chapter-length comic about the contradictions of life in an oil town. The epic scale of the ecological horror is captured through an series of stunning color photos by award-winning aerial photographer Louis Helbig. Seamlessly combining travelogue, sophisticated political analysis, and ecological theory, speaking both to local residents and to leading scholars, the authors propose a new understanding of ecology that links the domination of the other-than-human world to the domination of humans by humans. They argue that any definition of ecology has to start with decolonization and that confronting global warming requires a politics that speaks to a different way of being in the world—a reconstituted understanding of the sweetness of life. Published with the help of funding from Furthermore: a program of the J. M. Kaplan fund
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,014 | 0,051 |
| Communication savante | 0,012 | 0,005 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».