Pigs, waste, and creative extraction: racialised uneven development in Eastern North Carolina
Notice bibliographique
Résumé
Since the 1990s, North Carolina pig farms have generated ten billion gallons of waste annually that disproportionately impact racialised, Indigenous, and low-income communities. This article examines two developmental phases of the hog industry and its waste management regimes to trace the processes through which agribusiness and state collude, perpetuating racialised uneven development in Eastern North Carolina. The first phase (1980–2007) framed industrial hog production as essential for economic growth, shifting to industrial-scale production and waste management practices. In response to environmental and social crises, the state introduced the 1997 moratorium that mandated the adoption of alternative waste management systems. The second phase (2007-present) reframes waste management as a strategy for climate change mitigation. This phase is marked by the passage of two interlocking bills that carved out a pathway for growth through waste, circumventing the adoption of alternative waste management systems. Through qualitative research, including interviews, participant observation, and document analyses, we examine how state-agribusiness relationships undermine community-led efforts for environmental and climate justice through the development framework “creative extraction” as theorised by Purifoy and Seamster (2021). Our article reframes industrial animal waste not just as pollution but as a critical site where the hog industry, with unwavering state support, has entrenched and expanded its production. The emergence of directed anaerobic digesters exemplifies not only greenwashing but also the collusive dynamics between the state and agribusiness, highlighting the need to foreground these relationships in efforts to develop agricultural and energy pathways defined by justice and self-determination.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,017 | 0,009 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 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 ».