MétaCan
Menu
Retour à la cohorte
Enregistrement W4409654892 · doi:10.1093/oxfordhb/9780197762097.013.0017

Resistance to Fossil Fuel Extraction Projects in Africa as Climate Action

2025· book-chapter· en· W4409654892 sur OpenAlexaff
Jesse Salah Ovadia

Notice bibliographique

RevueOxford University Press eBooks · 2025
Typebook-chapter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueNatural Resources and Economic Development
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésResistance (ecology)Fossil fuelExtraction (chemistry)Action (physics)Environmental scienceNatural resource economicsEnvironmental protectionWaste managementEngineeringEcologyEconomicsBiologyChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Since the early 2000s, new oil and gas reserves have been found in numerous African countries, prompting calls to use these resources for economic development and structural transformation. Citizens and their governments have been sold visions of fantastic new wealth springing from fossil fuel extraction. In enthusiastically pursuing these projects, governments have ignored the cursed legacy of environmental destruction and underdevelopment associated with oil and gas in the continent’s two major producers, Angola and Nigeria. They have also ignored the risks associated with new oil and gas developments in the context of green energy transitions. New fossil fuel projects, even those far offshore, have brought significant conflict and opposition from civil society and especially from host communities. In most cases, resistance to fossil fuel extraction has been noninstitutional and rooted in concern over who benefits rather than concern over climate action. However, the environmental and social impacts from these projects have already impacted citizens in their everyday lives. Therefore, African organizations and activists have begun to sound alarm bells about climate change as well as the transition risks (stranded assets and fossil fuel lock-in) associated with global climate action.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,052
Tête enseignante GPT0,219
Écart entre enseignants0,167 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOxford University Press eBooksMême sujetNatural Resources and Economic DevelopmentTravaux en français237 207