Historical spatio-temporal data on North American radical environmental direct-action events
Notice bibliographique
Résumé
Social and political event data are widely used in scientific research. However, event data concerning the direct actions of radical environmental groups is comparatively scarce, due in large part to inconsistent news coverage and the clandestine nature of the groups involved. Leveraging original reports maintained by radical environmental groups and their allies, this article codes historical spatio-temporal event data on radical environmental direct-action events in the United States and Canada during a period of heightened prominence in radical environmentalism: 1995-2007. The article's event level data include information on event type, date and geolocation, and the target of each event, as well as the original textual reports of each coded event. This data will facilitate a wide variety of qualitative and quantitative analyses of radical environmental activism, alongside validations of recently developed large language model (LLM) tools for event data extraction. We also offer a separate spatio-temporally aggregated version of these same data. This second dataset is aggregated to the 0.5 × 0.5 decimal-degree spatial grid-year level and adds additional environmental-, environmental group-, and social-correlates. Accordingly, this second dataset will readily enable spatio-temporal statistical analyses of radical environmental direct-action events, their causes, and their determinants-phenomena that have been previously under-explored in large N studies.
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 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».