MétaCan
Menu
Retour à la cohorte
Enregistrement W4410980427 · doi:10.1111/joac.70018

How is Climate Change Changing Agrarian Studies?

2025· article· en· W4410980427 sur OpenAlexaff
Kasia Paprocki, Alejandro Camargo, Marcus Taylor, Suhas Bhasme, Megan Mills‐Novoa

Notice bibliographique

RevueJournal of Agrarian Change · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture, Land Use, Rural Development
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésAgrarian societyClimate changeAgrarian systemPolitical scienceGeographyNatural resource economicsEnvironmental planningEconomicsAgricultureArchaeologyEcology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT A range of compelling recent literature highlights how climate change is rewriting the intertwined social and environmental processes that comprise agrarian landscapes. Mainstream reaction has been to double down on technical intensification strategies supplemented by a resolute faith in scientific advancement to reduce vulnerabilities. For critical agrarian studies, however, climate change raises new conceptual and methodological challenges. Has climate change reinforced or undermined existing concepts and frameworks that explain core dynamics of agrarian change? Does agrarian studies as a field of engaged research need to change alongside the climate? In this exchange our contributors consider how anthropocentric climate change requires the field to rethink core analytical categories within agrarian studies. Key questions that the forum addresses include: How does climate change validate and/or challenge the conceptual armoury and normative orientations inherited largely from Marxist‐influenced political economy? What new concepts and theoretical influences will prove helpful in orientating agrarian studies within a changing climate? How do we synthesise these with existing frameworks and concerns? And how does this reformulation change our understanding of the forms and content of resistance within agrarian environments?

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,770
Score d'incertitude au seuil0,429

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,078
Tête enseignante GPT0,271
Écart entre enseignants0,193 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agrarian ChangeMême sujetAgriculture, Land Use, Rural DevelopmentTravaux en français237 207