Grounding drones in political ecology: understanding the complexities and power relations of drone use in conservation
Notice bibliographique
Résumé
Rapidly evolving drone technologies are taking the conservation sector by storm. Although the technical and applied conservation literature tends to frame drones as autonomous, neutral technologies, we argue that neither drones nor their implications can be adequately understood unless they are grounded, conceptually and methodologically, in the context of broader societal structures that shape how drones and the data they produce are used. This article introduces the value of a political ecology framework to an interdisciplinary audience of biophysical and social scientists interested in the multiple possibilities and complications associated with conservation drones. Political ecology provides the tools for studying and critically engaging with drone use in conversation in ways that are politically engaged and attuned to power relations – historic and present, local and global – in a more-than-human world. In making this argument, we point to four conceptual tools in political ecology that offer a framework for unveiling the power relations and structures that surround drones in different contexts: political economy, territoriality, knowledge and expertise, and more-than-human relations. Using empirics from our work across Latin America (Colombia and Guatemala), Africa (Kenya, Tanzania, South Africa and Mozambique), and North America (the US and Canada), we illustrate the salience of this framework and demonstrate why evaluating what drones do in and for conservation requires first understanding the complex set of power relations that shape their use.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 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 ».