Legal mobilization in a global context: the transnational practices and diffusion of rights-based climate litigation
Notice bibliographique
Résumé
Abstract Our article offers an in-depth account of the role of the transnational practices of collaboration, storytelling, and learning in the diffusion of rights-based climate litigation (RBCL). Drawing on semi-structured interviews, participant observation, and quantitative data, we trace how the performance of these practices by lawyers, litigants, communities, scholars, and NGOs have fostered and sustained the transnational generation, exchange, and flow of resources, relationships, narratives, and knowledge underlying the field of RBCL. We argue that all three practices have fostered the diffusion of RBCL by influencing the local determinants of legal mobilization through enabling, discursive, and relational pathways. Finally, we show that these practices have had structural effects that have shaped the ideas and identities of the practitioners in the field of RBCL. Over time, the discursive and relational dimensions of practices have given rise to and have been strengthened by the formation of multiple communities of practice. The emergence of distinct communities provides the possibility for deeper forms of socialization and acculturation among their members, but they also make conflict and competition between different communities more likely. Overall, our article emphasizes the importance of understanding legal mobilization for climate justice as a set of practices that are shaped by the transnational social-legal context in which they are performed.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,018 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,001 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».