Making the Road: Community Benefits Organizing in Canada as a Radical Adult Learning Practice
Notice bibliographique
Résumé
Canadian organizing efforts aiming to democratize the economy are the focus of this study, specifically if and how emancipatory learning is occurring in Community Benefits Agreements (CBA) campaigns and coalitions. It further aims to delineate CBA organizing as a community power-building strategy in the interests of workers and communities. Turning to dialectical frameworks, Cultural-Historical-Activity-Theory (CHAT) enables consideration of organizing as radical adult learning in a Freirian tradition, while critical place inquiry provides a methodological approach that is concerned with the socio-materiality of human practices as shaped by and in place. History and memory methods centre the voice, agency and perspective of the persistently marginalized communities impacted by CBA organizing. Drawing on secondary sources, coupled with my own experience embedded in this movement activity, I provide case studies of five neighbourhood-based CBA campaigns in two Canadian cities: Toronto and Ottawa. The cases show these campaigns build on previous local leadership and community capacity development, while concurrently equipping constituencies for collective deliberation and action. CHAT further enables an activity analysis of CBA organizing environments that suggests an expansive view of place is foundational for community power-building. It further identifies that collective memory, stories and narrative – coupled with an ethical orientation to movement building – hold promise as practices that could enable and amplify the emancipatory potential of organizing. Finally, Indigenous ontologies and axiology are proposed as a potentially profound source of guidance to Canadian organizing efforts challenging oppressive systems and structures while building collective community agency and power from the ground up.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,035 | 0,014 |
| Communication savante | 0,009 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 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 ».