MétaCan
Menu
Retour à la cohorte
Enregistrement W4384027813 · doi:10.1016/j.exis.2023.101270

A comparative account of indigenous participation in extractive projects: The challenge of achieving Free, Prior, and Informed Consent

2023· article· en· W4384027813 sur OpenAlexaboutno aff
Laurence Klein, María Jesús Muñoz Torres, María Ángeles Fernández Izquierdo

Notice bibliographique

RevueThe Extractive Industries and Society · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesFonds National de la Recherche Luxembourg
Mots-clésIndigenousDue diligenceNegotiationPublic relationsHuman rightsCorporate social responsibilityPolitical scienceBusinessInformed consentDutyCommunity engagementLaw

Résumé

récupéré en direct d'OpenAlex

Indigenous peoples’ right to Free, Prior, and Informed Consent (FPIC) has been recognised as an important principle to ensure their meaningful participation in decision-making processes related to extractive projects. Yet, many companies grapple with their duty to engage in good faith consultations with indigenous peoples implied by the standard of human rights due diligence. Instead of understanding project impacts from the perspective of these peoples, companies generally conduct one-off environmental or social impact assessments or sign private agreements with communities that look at project impacts merely in terms of the reputational, operational, legal, and financial costs they represent to them. Human Rights Impact Assessments recognise that human rights conditions evolve and that companies need to consult with affected rights-holders throughout the project cycle to renew community consent on a regular basis. Indigenous peoples are also taking matters into their own hands by conducting Community-Controlled Impact Assessments or community consultations to move consent-based processes to the centre of negotiations with companies. By comparing local experiences of corporate-indigenous engagement in Canada, Guatemala, and Peru, we aim to determine if and how companies currently contribute to the implementation of FPIC in order to suggest a way forward towards greater corporate commitment to FPIC.

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)0,015
score de la tête « metaresearch » (Gemma)0,016
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: aucune
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,115

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0160,020
Communication savante0,0070,005
Science ouverte0,0010,006
Intégrité de la recherche0,0030,003
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 Opus0,072
Tête enseignante GPT0,306
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

Citations20
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Extractive Industries and SocietyMême sujetMining and Resource ManagementTravaux en français237 207