MétaCan
Menu
Retour à la cohorte
Enregistrement W4285010312 · doi:10.3138/ycl-64-050

Damage and Repair in Environmental Assessment

2022· article· en· W4285010312 sur OpenAlexaboutno aff
Chris Malcolm

Notice bibliographique

RevueThe Yearbook of Comparative Literature · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographies of human-animal interactions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHarmComplicityFunction (biology)ScholarshipScrutinyEnvironmental ethicsTRACE (psycholinguistics)SociologyPolitical scienceAestheticsLawArt

Résumé

récupéré en direct d'OpenAlex

Contemporary scholarship regards the acknowledgment of harm as an ethically necessary precondition for work on the environment. In this article, I show that the admission and subsequent management of harm have long been central to racial and colonial projects. To do so, I trace a logic of what counts as tolerable damage and what is thought to be able to be repaired in environmental assessment reports produced for the Alberta tar sands. What I find in these documents is that anxiety over complicity with historical damage leads to fantasies of reparability. In analyses of the political culture of the tar sands, I argue that conceding damage is better understood as an attempt to manage the appearance of violence and reinterpret its history. In the different examples on which I focus, responsibility for harm is performed. By making impacts legible and detailing plans to address them through mitigation, compensation, or replacement, resource extraction companies engage in fantasies of repair and admissions of destruction. This article works to theorize what function such gestures serve and how they contribute to perceiving the environment as something that must be managed. I show that its function is to describe the nature of loss along with a theorization of its reality.

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)0,005
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,121

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0100,086
Communication savante0,0120,011
Science ouverte0,0010,008
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,022
Tête enseignante GPT0,337
Écart entre enseignants0,315 · 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'étudeSans objet
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Yearbook of Comparative LiteratureMême sujetGeographies of human-animal interactionsTravaux en français237 207