From Soil to Servers: Persistent Neglect of Land Resources and Its Looming Repetition for Users in the Digital Age
Notice bibliographique
Résumé
For well over a century, unresolved ambiguities in defining land as a finite, non-renewable resource have often facilitated rent-seeking and shaped inequitable distributions of wealth derived from nature and collective contributions. In the absence of clear conceptual and legal distinctions between land’s intrinsic worth and the incremental value conferred by human-made improvements, communities and ecosystems were frequently denied their rightful share, thereby influencing inequitable economic, social, and environmental trajectories. Though not universal, these historical patterns now reemerge in “digital land” platforms, where data, user engagement, and communal knowledge are likewise subject to private appropriation. By bridging these classical land debates with emerging forms of digital exploitation, this article offers a novel theoretical framework that reveals how unresolved land-valuation ambiguities reappear in user-generated data ecosystems. Without robust conceptual frameworks and effective regulatory oversight, such digital spheres risk replicating the exploitative logic once attached to physical land. By clarifying these parallels, this article underscores the urgent need for well-informed governance inspired by past land policy debates—particularly those focused on equity, transparency, and sustainability. Ensuring that resource management, whether rooted in soil or servers, consistently adheres to principles of fairness and shared prosperity is essential to avert new forms of unregulated extraction and to advance more inclusive, sustainable development.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».