MétaCan
Menu
Retour à la cohorte
Enregistrement W4399467581 · doi:10.1177/14624745241258894

Penal extractivism: A qualitative study on punishment and extractive industries in Peru

2024· article· en· W4399467581 sur OpenAlexaff
Diego Tuesta, Maritza Paredes

Notice bibliographique

RevuePunishment & Society · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPunitive damagesCriminalizationUnrestPunishment (psychology)State (computer science)LegislationContext (archaeology)Political scienceCriminologyPolitical economySociologyLawPoliticsGeography

Résumé

récupéré en direct d'OpenAlex

This article introduces the concept of penal extractivism in the punishment and society literature. We define penal extractivism as the punitive strategies that a state implements to safeguard extractive industries from citizens’ contention. This concept addresses the limitations of categories like criminalization, protest policing, social control, and labour discipline while bridging the gap between punishment studies and research on extractive industries. Additionally, we draw upon evidence of the Espinar mining conflict in Peru to explain five punitive strategies the state uses to handle protests: (1) off-duty policing and critical assets legislation, (2) state of emergency declarations, (3) police or prosecutorial notes against environmental defenders, (4) criminal indictments, and (5) the transferring of criminal cases to distant jurisdictions. Based on our findings, we argue that penal extractivism is a dynamic and ambivalent project that targets marginalized rural populations. The state partially deters mobilizations but fails to address the underlying social unrest, reinforcing the conditions that perpetuate mining conflicts. This in-depth within-case analysis examines the relationship between punishment and extractivism in the global context of contemporary social mobilizations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,928

Scores Codex et Gemma par catégorie

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

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 Opus0,029
Tête enseignante GPT0,304
Écart entre enseignants0,275 · 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 tête enseignante, 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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePunishment & SocietyMême sujetMining and Resource ManagementTravaux en français237 207