MétaCan
Menu
Retour à la cohorte
Enregistrement W7117663068 · doi:10.1177/00207152251396005

How China benefits from “conveyor belts” of ecologically unequal exchange: Triangular relations with Indonesia’s palm oil and Aotearoa New Zealand’s dairy sectors

2025· article· en· W7117663068 sur OpenAlexvenueno aff
Paul K. Gellert

Notice bibliographique

RevueInternational Journal of Comparative Sociology · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture, Land Use, Rural Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChinaProduction (economics)CommodityConsumption (sociology)ProductivityAotearoaProduct (mathematics)Resource (disambiguation)

Résumé

récupéré en direct d'OpenAlex

Narrow societal benefits and tremendous environmental harms are emanating from the production of two intertwined sets of commodities—dairy and palm oil—as China is playing a key role in shaping the Asia Pacific region. In the face of drought-induced feed shortages and the rising price of grazing land, dairy producers turned to animal feed supplements from PKE (palm kernel expeller or meal)—a waste by-product of palm kernel processing. This article takes a world-historical and world-ecological approach, building on a wide range of secondary sources, to analyze the interrelations among states and firms in three countries and along two commodity chains. Specifically, it focuses on how the PKE-dairy link has been propelled by Chinese demand and capital and is producing an uneven triangle of agro-extractive production and consumption across the Asia Pacific region. The relations among these three countries illustrate how ecologically unequal exchange (EUE) shapes semi-peripheries in ways that are distinct from more peripheral areas and from analysis of “middle powers.” Semi-peripheries are both exploited and exploiting. In this materialist analysis of relations among states and firms, PKE trade provides hidden windfall profits or “extra surplus value” to a small number of corporations while degrading environments and undermining livelihoods. Chinese consumers and transnational firms are the main beneficiaries from the flow of EUE across this triangle of countries.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,171
Score d'incertitude au seuil0,253

Scores Codex et Gemma par catégorie

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

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 Opus0,023
Tête enseignante GPT0,258
Écart entre enseignants0,234 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Comparative SociologyMême sujetAgriculture, Land Use, Rural DevelopmentTravaux en français237 207