MétaCan
Menu
Retour à la cohorte
Enregistrement W4313551309 · doi:10.1163/17087384-bja10075

Mechanisms Used by Multinational Oil Companies to Derail Human Rights and Environmental Litigations Arising from the Niger Delta

2023· article· en· W4313551309 sur OpenAlexvenueno aff
Nkem Violet Ochei, Elimma Ezeani, Craig Anderson

Notice bibliographique

RevueAfrican Journal of Legal Studies · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueNatural Resources and Economic Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHuman rightsMultinational corporationBusinessLawLaw and economicsPolitical scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Multinational oil companies (MNOCs) usually claim that they have several obligations to protect human rights and the environment where they operate and to resolve any disputes with local communities arising from their operations in the shortest possible time. However, the combative approach taken by MNOCs (e.g. several interlocutory appeals, challenging the legal standing of plaintiffs) during human rights and environmental litigations undermines these obligations because it continually denies, delays, and derails justice for the local communities. The aim of this paper is to discuss the mechanisms used by MNOCs to derail human rights and environmental litigations arising from the Niger Delta. This paper uses a comparative legal approach combined with a cross-case analysis of a selection of transnational litigations to highlight several mechanisms that fall into eight (8) categories related to oil operations – transparency, disclosure, bribery and corruption, labour/employee rights, safety and security, delays in litigations, pollution, remediation and compensation. The paper concludes that mechanisms used by MNOCs (e.g., Shell), as indicated in recent ligations arising from the Niger Delta, are at odds with their human rights obligations, thus affecting effective remedies for the people whose human rights have allegedly been affected by corporate conduct.

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)0,013
score de la tête « metaresearch » (Gemma)0,030
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,030
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,002
Études des sciences et des technologies0,0040,005
Communication savante0,0080,003
Science ouverte0,0010,004
Intégrité de la recherche0,0050,002
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 Opus0,037
Tête enseignante GPT0,240
Écart entre enseignants0,203 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAfrican Journal of Legal StudiesMême sujetNatural Resources and Economic DevelopmentTravaux en français237 207