Crude Injustice: A Multiscalar Spatial Configuration of Oil Trains and Environmental Justice
Notice bibliographique
Résumé
The increase of Bakken oil extraction and production in the United States in the last decade has sparked the expansion of crude-by-rail (CBR) transport. The accelerating need for CBR transport has not come without consequence, however, leaving derailments, oil spills, fires and explosions in the wake of its path. Public attention turned to CBR transport safety when an oil train derailment in Lac-Megantic, Quebec resulted in massive explosions and fatalities. This case made it clear that people who live in the blast zone, or in a 1-mile radius proximity to oil-carrying railway, disproportionately face the risks associated with CBR transport. Environmental justice (EJ) studies tell us that environmental harms are often felt unevenly where they are present, deeming people of color and impoverished people subject to making sacrifices for a supposed greater good. While most cases in EJ studies deal with fixed environmental threats, this study seeks to find nuance in the scalar theoretical underpinnings of EJ by zooming in and out on this mobile source of harm. By mapping and measuring oil train routes and demographic data in the city of Columbus, Ohio, this research begins on the local level of concentrated risk. The results show that impoverished people face disproportionate CBR risks in Columbus, an urban spaces linked to a national rail network within a global economy. However, just as an oil train moves between and beyond spaces of fixed threat, this research challenges single-scale perspectives of EJ, moving the framework from the local scale to the multiscalar.
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 ».