MétaCan
Menu
Retour à la cohorte
Enregistrement W4415362511 · doi:10.5539/jsd.v18n6p119

Rethinking Socio-Ecological Relations from Inclusion and Exclusion: A New Approach to Socio-Environmental Conflicts

2025· article· W4415362511 sur OpenAlexvenueno aff
Jorge A. Rodriguez-Soto

Notice bibliographique

RevueJournal of Sustainable Development · 2025
Typearticle
Langue
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocioeconomic statusVariety (cybernetics)PovertyInclusion (mineral)Process (computing)Frame (networking)

Résumé

récupéré en direct d'OpenAlex

This article aims to explore how to extrapolate and integrate the conceptual frame of inclusion/exclusion in a socioeconomic sense to the study of socio-ecological conflicts. It emerges from the similarities between both studies and the major contribution that these concepts have made in the socioeconomic understanding of poverty and deprivation. Poverty and deprivation are fait accompli, but the same deprivations can be the result of a great variety of exclusionary processes; to truly attend to it, it’s necessary to understand the relational aspects that led to those outcomes (exclusion/inclusion). The analysis of socio-ecological conflicts follows a similar culminating bias: analyzing results without deepening the relational aspects of the process that leads to them; therefore, it’s proposed to use these concepts to enhance its analysis. To achieve it, a profound literature review was carried out regarding the frameworks used to address socio-ecological issues and inclusion/exclusion. Finding that not only the concepts are satisfactory to this analysis, but that they even permit making joint analyses between socioeconomic exclusion/inclusion and socio-ecological inclusion/exclusion. This also enables a new focus for environmental policy from the study on new inequalities.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,525
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0040,000
Communication savante0,0000,001
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,021
Tête enseignante GPT0,244
Écart entre enseignants0,223 · 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'étudeObservationnel
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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetAgriculture and Rural Development ResearchTravaux en français237 207