MétaCan
Menu
Retour à la cohorte
Enregistrement W4408622073 · doi:10.1111/area.70001

Rivers as borders? Navigating in‐between the tensions of water‐state‐society geographies

2025· article· en· W4408622073 sur OpenAlexaff
Rebekka Kanesu, Vanessa Lamb, Eva McGrath

Notice bibliographique

RevueArea · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWater Governance and Infrastructure
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésState (computer science)SociologyPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract What is unique about bringing rivers and borders into conversation with one another, and what are the implications for geographical research? This article and Special Section charts new directions in the study of rivers as borders. By emphasising a river‐centric approach, we collectively challenge traditional terra‐centric views prevalent in border research and show that rivers as borders are much more than just convenient tools for territorial demarcation and securing state sovereignty. The contributors engage rivers in conversation with border studies and conceptually navigate the liminal spaces in‐between the inherent tensions of fixity and flow by drawing on perspectives from cultural, political and environmental geography. River‐borders meander between land and water; violence and opportunity; artefact and landscape; dynamism and control. By bringing these multifaceted river‐borders and bordering practices into dialogue, we advance geographical understandings of what happens at the meeting point when rivers become borders. We argue that geographical research on water‐state‐society relations must analyse the relations between rivers' material agency and the differently entangled lifeworlds of border dwellers and crossers, considering their historical, material, cultural and social ties to the river.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0070,045
Communication savante0,0200,025
Science ouverte0,0010,013
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,010
Tête enseignante GPT0,288
Écart entre enseignants0,278 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAreaMême sujetWater Governance and InfrastructureTravaux en français237 207