Hijacking legality: Corruption and property creation in Brazil's frontiers
Notice bibliographique
Résumé
Corruption undermines natural resource governance and conservation efforts, fueling deforestation and violence against land and environmental defenders. To address this complex issue and avoid stereotypical and colonial perspectives, the literature in political ecology and geography has called for shifting the focus from legal definitions of corruption to an emphasis on power dynamics. While this approach has led to innovative analyses, it has often pushed the question of legality into the background. In this paper, we bring law back to the forefront and analyze the relationship between corruption and landed property. We examine land tenure laws and regulations, along with 15 inquiries into corruption in land-grabbing schemes in Brazil's two main agricultural frontiers, the Amazon and the Matopiba. We argue that, in resource frontiers, corruption and legality co-constitute each other. Corruption hijacks different legal processes establishing and protecting landed property. Regarding the recognition of land claims and property formation, land grabbers can (1) dismantle policies recognizing competing land uses to make them illegible; and (2) capture tenure formalization policies to legalize land grabs. Likewise, processes intended to protect property rights and ensure legal certainty are vulnerable to hijacking, as (3) land registries and cadastres can be defrauded to distort property rights; and (4) law enforcement mechanisms can be co-opted to enact abusive land claims. Therefore, we reject the notion that legality precedes corruption in resource frontiers. Instead, these findings suggest a recursive relationship between corruption and legality. The uncritical use of legal dichotomies to guide understandings of corruption can reproduce legalized abuses.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».