MétaCan
Menu
Retour à la cohorte
Enregistrement W4362671972 · doi:10.28968/cftt.v9i1.38452

All that is Solid Burns into Smoke: US Military Burn Pits, Petrochemical Toxicity, and the Racial Geopolitics of Displacement

2023· article· en· W4362671972 sur OpenAlexafffund
Zoë H. Wool

Notice bibliographique

RevueCatalyst Feminism Theory Technoscience · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaWar Related Illness and Injury Study Center
Mots-clésKinshipIdeologyGeopoliticsPolitical scienceSociologyCriminologyLawPolitics

Résumé

récupéré en direct d'OpenAlex

Focusing on US military burn pits in Iraq, this paper traces entanglements between the materials of US war-making, the logistics of global capitalism, and the racialized displacement of toxicity and chemical kinship. In interviews about their experiences of burn pits at Joint Base Balad, a city-sized US military base located in Yathrib, Iraq, US veterans living along the US Gulf Coast linked their exposures to the toxicity of burn pits in Iraq with petrochemical exposures in their everyday lives at home. These links forged a chemical kinship with domestic others, while largely overlooking such kinship with Iraqis who share veterans' body burden. Yet I suggest that in these veterans' attention to logistics and infrastructure lies the possibility of a more expansive account of chemical kinship, one that cuts across the racialized distinctions of foreign and domestic, and gendered imaginaries of the domestic as a comfortable space for the reproduction of homophilic kin. I describe this dual imperative of the domestic as an ideology of domestic security. The toxicity of burn pits helps us to undermine this ideology of domestic security, opening new spaces to reckon with the relation between US and Iraqi experiences of US military toxicity.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,014
Communication savante0,0030,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,011
Tête enseignante GPT0,245
Écart entre enseignants0,234 · 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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCatalyst Feminism Theory TechnoscienceMême sujetMining and Resource ManagementTravaux en français237 207