MétaCan
Menu
Retour à la cohorte
Enregistrement W4403201089 · doi:10.1080/01436597.2024.2405746

Conflict between Fulani herders and village landowners in Ghana: capitalism, climate change, and peasant struggles

2024· article· en· W4403201089 sur OpenAlexaff
Surulola Eke

Notice bibliographique

RevueThird World Quarterly · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture, Land Use, Rural Development
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésPeasantCapitalismClimate changePolitical scienceDevelopment economicsPolitical economySocioeconomicsSociologyEconomicsPoliticsEcology

Résumé

récupéré en direct d'OpenAlex

In discussions of the capitalism–climate change interplay in the agrarian world, the intrusiveness of corporate and state-guided capitalism has been pre-eminent. This ‘hard capital’ focus obscures indirect linkages like how ‘soft capital’, although disoriented from raping nature, unlike the former, exacerbates climate change effects in ways that accelerate the destabilisation of agrarian economies. This indirect connection is evident in agrarian settings in Ghana’s Northern Region, where the resultant peasants’ revolt is directed at neither corporations nor the state but rather local landowning elites (soft capital), who transfer the burden of the twin pressures of climate change and hard capital (state intervention and privatisation of fertiliser supply) to their labourers. Using Marxian social relations of production as a theoretical lens, this paper unpacks how this capitalism–climate change interface plays out in Gushiegu, Northern Ghana. By highlighting that interface and the resultant agrarian struggles, this paper does two things: (1) invites agrarian scholars to transcend the commercialisation of agriculture and carbon capitalism in analysing how the intersection of capitalism and climate change destabilises the agrarian world; (2) encourages scholarship that transcends the more obvious herder–farmer conflicts over land and water in examining the destabilising effects of the aforementioned intersection.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,710
Score d'incertitude au seuil0,564

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0000,000
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 Opus0,025
Tête enseignante GPT0,230
Écart entre enseignants0,205 · 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'étudeObservationnel
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThird World QuarterlyMême sujetAgriculture, Land Use, Rural DevelopmentTravaux en français237 207