Mobilising a counterhegemonic idea: Empathy, evidence, and experience in the campaign for a Supervised Drug Injecting Facility (SIF) in Dublin, Ireland
Notice bibliographique
Résumé
Abstract Using the case of the campaign to establish a Supervised Injecting Facility (SIF) for people who use illicit drugs in Dublin, Ireland, this paper makes three related contributions to contemporary literatures. First, by detailing the history of the campaign and paying particular attention to the ways it was influenced by learning from models elsewhere in the world, the paper adds a spatial perspective to research on the intersections of public health and politics. Second, the paper addresses the policy mobilities literature's minimal engagement with the role of counterhegemonic ideas and national states in shaping inter‐local policy circulations. It provides detailed empirical analysis of the influence of counterhegemonic ideas and how activists reference those ideas through appeals to empathy, expert evidence, and experience as they build coalitions to influence formal state institutions, including the legal system and the national government. This discussion supports a call for engagement between policy mobilities and counterhegemonic social movement literatures. Third, the paper addresses ongoing discussions of ‘failure’ in policy‐making by arguing for a critical, contextual approach to the spatialities and temporalities of attempts to change entrenched policy and regulatory models. The case study is based on one author's direct involvement in the campaign for a SIF and on semi‐structured research interviews with 12 key actors conducted since 2015. The research also involved an analysis of relevant documentary materials spanning the period 2012–2021 and both authors' participation in a drug policy forum in Dublin in January 2017, involving local and international actors.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».