Infrastructures of Harm, Communities of Knowledge and Environmental Justice
Notice bibliographique
Résumé
Marco Armiero on Bodies, Narratives and Commoning in the WasteoceneJust a couple of months before he joined a panel with Divya Gupta in the "Infrastructures of Harm, Communities of Knowledge & Environmental Justice" panel, 1 Marco Armiero was asked in a webinar why he insisted on narratives and storytelling as central in his ideas about the Wasteocene (the homonymous book was released in 2021 as part of the Cambridge Elements series).As an avid Marxist, and Senior Editor of the journal Capitalism Nature Socialism, his answer did not surprise the audience.His words were instead reassuring and filled the online environment with hope and revolutionary energy as they confirmed that a career path asking questions about narratives, nature and justice was not an irrelevant one.He conveyed that seizing the narratives is as important as seizing the means of production.But how to even start with such a Herculean task when narratives, mainly toxic ones, seem so ephemeral and so ubiquitous?Armiero's work is a great inspiration for understanding such narratives as both material and discursive, as fleshed out in his presentation in the "Landscapes of Injustice, Landscapes of Repair" series, organized by the Human Rights Institute at Binghamton and the Norwegian University of Science and Technology.There, he continued dismantling, brick after brick, narratives whose purpose is to naturalize environmental injustice, convince us that the poor choose to be poor and that those living in a polluted community are responsible for its toxicity.Extending
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 | 0,001 | 0,003 |
| 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 ».