MétaCan
Menu
Retour à la cohorte
Enregistrement W4404488462 · doi:10.1017/lsi.2024.45

Anti-Carceral Approaches to Addressing Harms Against Animals: Considerations on Multispecies Restorative and Transformative Justice

2024· article· en· W4404488462 sur OpenAlexaff
Kelly Struthers Montford, Darren Chang, Selingul Yalcin

Notice bibliographique

RevueLaw & Social Inquiry · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Conservation and Criminology Analyses
Établissements canadiensUniversity of OttawaToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésRestorative justiceTransformative learningCriminologyEnvironmental ethicsEconomic JusticeSociologyEnvironmental planningEngineering ethicsPolitical sciencePsychologyEngineeringLawGeographyPhilosophy

Résumé

récupéré en direct d'OpenAlex

The animal protection movement has developed an increasingly close working relationship with the criminal punishment system through lobbying and campaigning for harsher punishments for animal abuse, while at the same time showing an interest in restorative justice (RJ) as a response to harm against animals. In this article, we take a critical position aligned with anti-carceral feminists and prison abolitionists against the carceral systems that fail humans and animals in circumstances of violence. We consider the potential of RJ as an alternative approach to address and prevent harm against animals in abuse cases on an individual level while highlighting the limitations of RJ in achieving the necessary changes on a societal level to end structurally produced violence against animals, such as industrial animal exploitation. We propose that transformative justice (TJ), which involves some RJ processes, is the most promising approach that could achieve justice for both humans and nonhumans in the long term without reproducing traumas and violence for the individuals and communities involved in harm reduction and prevention. Drawing on examples of RJ and TJ as developed and practised in marginalized human communities, we apply their lessons to thinking through similar practices in the context of animal abuse and neglect.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,648
Score d'incertitude au seuil0,600

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 technologies0,0010,001
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 Opus0,504
Tête enseignante GPT0,374
Écart entre enseignants0,130 · 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'étudeThéorique ou conceptuel
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 revueLaw & Social InquiryMême sujetWildlife Conservation and Criminology AnalysesTravaux en français237 207