MétaCan
Menu
Retour à la cohorte
Enregistrement W4412461461 · doi:10.1016/j.eiar.2025.108071

What does it take to stop a mine? Indigenous interventions and project rejection in Nunavut, Canada

2025· article· en· W4412461461 sur OpenAlexaffabout
Warren Bernauer, Emilie Cameron

Notice bibliographique

RevueEnvironmental Impact Assessment Review · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensCarleton UniversityUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésIndigenousPsychological interventionEnvironmental planningPolitical scienceEnvironmental resource managementGeographyEnvironmental scienceMedicineEcology

Résumé

récupéré en direct d'OpenAlex

Indigenous groups who oppose extractive projects make use of a range of tactics and strategies, including intervening in impact assessment (IA) processes. This article examines four cases where IA authorities recommended against the development of proposed mines in Nunavut, Canada. By comparing these cases to the assessment of projects recommended for approval, we seek to draw broad conclusions about the different types of interventions that can potentially lead to project rejection. Based on an analysis of assessment and media documents, we found that Nunavut's IA Board recommended against project approval when Indigenous groups made technical, procedural, and political interventions within and alongside IA, when Indigenous rights-bearing organizations expressed substantial outstanding concern at the final hearing, and when there was already an operating mine in the region. These findings add nuance to critiques of IA as a tool for legitimizing extraction. In contexts like Nunavut – where IA processes substantially recognize Indigenous rights and mandate Indigenous representation – participation by rights-bearing groups may be more likely to influence IA outcomes.

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)0,015
score de la tête « metaresearch » (Gemma)0,022
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: aucune
Score de désaccord entre enseignants0,113
Score d'incertitude au seuil0,817

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,006
Études des sciences et des technologies0,0070,007
Communication savante0,0060,001
Science ouverte0,0030,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,012
Tête enseignante GPT0,306
Écart entre enseignants0,295 · 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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Impact Assessment ReviewMême sujetMining and Resource ManagementTravaux en français237 207