The epistemic tensions of nuclear waste siting in a nuclear landscape
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Canada's siting process for spent nuclear fuel, led by the Nuclear Waste Management Organization (NWMO), is frequently held within nuclear industry spheres as an exemplary siting process, designed to be inclusive, participatory, and “community-driven.” Drawing from ethnographic observations of the process as it unfolded in Southern Ontario, Canada, this paper focuses on the epistemic issues of how diverse knowledges are treated in the process, whose knowledge is valued, how such knowledges are understood, and whose knowledges are excluded. In particular, I make sense of how epistemic tensions in the process are produced by being situated within a nuclear landscape, informed by local nuclear-dominant socio-technical relations and epistemic regimes, which exceptionalize pro-nuclear Western scientific knowledges. This socio-technical constellation, I suggest, leads to careful but sometimes paradoxical negotiations of the expert/lay divide that subsequently reveals cracks in the policy foundation for inclusion of diverse forms of knowledge. While the NWMO policy framework discursively values diverse knowledges, critical lay community knowledges are often delegitimized and dismissed. Similarly, there are scalar issues in the ways Indigenous knowledges are homogenized and devalued through discursive separation. These epistemic tensions, between how knowledges should be treated in policy, and how knowledges are actually treated in practice, demonstrate clear issues of recognition justice, participatory fairness, and inclusion of diverse knowledges. The implications of this work shed light on understanding the complexities of landscape-based knowledge politics and how they might inform siting practices and technological decision-making more broadly.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 découle