City, country, empire : landscapes in environmental history
Notice bibliographique
Résumé
In the urgently expanding field of environmental history, two trends are emerging. Research has internationalized, crossing political and historical borders. And urban spaces are increasingly seen as part of, not apart from, the global environment. In this book, Jeffry Diefendorf and Kurk Dorsey have gathered much of the important work pushing the field in new directions. Eleven essays by prominent and regionally diverse scholars address how human and natural forces collaborate in the creation of cities, the countryside, and empires. The Cities section features essays that examine pollution and its aftermath in Pittsburgh, the Ruhr Valley (Germany), and Los Angeles. These urban areas are far apart on the globe but closely linked in their histories of how human decision making has affected the environment. Changing rural and suburban spaces are the focus of Countryside. Elizabeth Blackmar follows the money in order to understand why the financing of suburban mall developments makes local resistance difficult. Studies of the fractious history of the creation of a wildlife refuge in Oregon and the ongoing impact of hydraulic mining in the early California goldmining era emphasize the misuse of technology in rural spaces. Such misuse is a central idea of Empires. In When Stalin Learned to Fish, Paul R. Josephson tells the story of Soviet fishing technology designed to harness fish to the engine of socialism. Other essays explore the failures of Western agricultural technology in Africa and the relationship between such technology and disease in European attempts to conquer the Caribbean. In a stirring, wide-ranging consideration of the neo-European colonies (the United States, Australia, Canada, and New Zealand), Thomas R. Dunlap observes the ongoing, unsettled interaction of lands and dreams. An afterword by Alfred W. Crosby, an eminent scholar of environmental history, closes the book with a broad and insightful synthesis of the history and future of this critical field.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,009 | 0,024 |
| Communication savante | 0,015 | 0,012 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».