Communal intimacy and the violence of politics: Understanding the war on drugs in Bagong Silang, Philippines By Steffen BoJensen, KarlHapal, Ithaca: Cornell University Press. 2022. 207 pages. $33.95 (paperback). ISBN: 9781501762772
Notice bibliographique
Résumé
President Rodrigo Duterte's war on drugs from a non-Duterte centric perspective, focusing on how it was conducted in one particular place.In the Philippines, the 1991 Local Government Code created subnational levels of government, consisting of provinces, cities, municipalities, and(at the lowest level) barangays.Relying on ten years of fieldwork, Jensen and Hapal's book analyzes the war on drugs in Barangay Bagong Silang, an urban poor community of 250,000 people located at the northern limits of Caloocan City, Metro Manila's most northerly city.After his May 2016 election, intensifying during 2017 and continuing until his end of term in 2022, the Duterte presidency became internationally infamous for its war on drugs, a revanchist campaign taking the lives of up to 30,000 people overwhelmingly from the urban poor.Indeed, Winn (2019, p. 25) described the war on drugs as "among the bloodiest massacres in recent Southeast Asian history" and something "racking up a body count seldom seen outside large-scale land battles" (p.128)."This ongoing massacre," wrote Winn (2019, p. 129), came "to define the modern Philippines."Jensen and Hapal discuss how the displacement of the urban poor from other parts of Metro Manila to Bagong Silang produced an urban underclass of young men perceived to be magulo (disorderly) and in need of disiplina (discipline), which was provided by older men involved in | e1
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,015 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».