MétaCan
Menu
Retour à la cohorte
Enregistrement W4379741116 · doi:10.4337/9781800881136.00018

Environmental inequality and rights of nature among Indigenous Peoples in North America

2023· book-chapter· en· W4379741116 sur OpenAlexaboutno aff
Julie Schweitzer, Olivia M. Fleming, Tamara L. Mix

Notice bibliographique

RevueEdward Elgar Publishing eBooks · 2023
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueEnvironmental Justice and Health Disparities
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndigenousSovereigntyEnvironmental justiceColonialismEquity (law)InequalityPersonhoodScholarshipEnvironmental ethicsIndigenous rightsPolitical scienceEnvironmental lawEconomic JusticeSociologyPolitical economyLaw and economicsLawEcologyPolitics

Résumé

récupéré en direct d'OpenAlex

Colonial-capitalist systems promote structural environmental inequalities that disproportionately impact Indigenous Peoples and ancestral territories. We examine the role of a Rights of Nature (RoN) framework in articulating responses to environmental inequality through two cases of Indigenous Environmental Justice (IEJ) movements in Canada - the Idle No More (INM) movement and the Wet’suwet’en Nation’s protective actions. Building on previous RoN and IEJ scholarship, we ask: How is the RoN framework employed to address issues of environmental inequality? We find that INM relies on broad references to nature to respond to omnibus Bill C-45, adapting the Nature’s Rights Model, while Wet’suwet’en Nation’s actions align more closely with the Legal Personhood Model in organizing against the Coastal GasLink pipeline and encouraging recognition of Indigenous laws. Altogether enhancing sovereignty claims, we argue that RoN is a framework promoting environmental equity and a tool for resistance to and disruption of settler colonial translations of nature.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,272
Score d'incertitude au seuil0,547

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,006
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,015
Tête enseignante GPT0,251
Écart entre enseignants0,236 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEdward Elgar Publishing eBooksMême sujetEnvironmental Justice and Health DisparitiesTravaux en français237 207