Notre nouvelle nature. Guide de terrain de l’Anthropocène, par Anna Lowenhaupt Tsing, Jennifer Deger, Alder Keleman, Saxena et Feifei Zhou
Bibliographic record
Abstract
C et ouvrage collectif se dcouvre comme une vritable bouffe d'air frais.Le collectif dirig par l'anthropologue Anna Tsing -qu'on a connu pour ses ouvrages marquants sur la globalisation, dont Friction (2020) et Le champignon de la fin du monde (2017) -nous prsente une contribution rflchie collectivement, qui intgre des perspectives multidisciplinaires et multi-situes pour pluraliser l'Anthropocne et rsister l'hgmonie largement inconsciente de certaines habitudes de pense (p.347).Notre nouvelle nature est pens comme un guide pratique et prsente une srie de concepts et d'approches pour informer les enqutes de terrain propos de l'Anthropocne.L'ouvrage est galement conu pour accompagner un complment en ligne, le Feral Atlas, une oeuvre de recherche-cration visant reprsenter graphiquement les phnomnes localiss de l'Anthropocne, tout en les reliant des logiques qui les transcendent.Mis part Tsing, le collectif est constitu de Jennifer Deger (anthropologue, artiste et spcialiste des humanits numriques, base la Charles Darwin University), Alder Keleman Saxena (anthropologue la Northern Arizona University) et Feifei Zhou (designer et charge de cours la Columbia University).L'ide centrale du livre est que l'Anthropocne est fait de patch, c'est--dire d'une srie d'espaces affects par des bouleversements cologiques crant chacun une homognit anthropocnique dans un paysage autrement htrogne.Ce faisant, les autrices souhaitent offrir un portrait complmentaire la vision plantaire de l'Anthropocne, qu'elles associent aux sciences de la terre et du climat.En effet, l'Anthropocne a des effets plantaires, tels le rchauffement climatique, le rehaussement des niveaux des ocans, la pollution atmosphrique, etc. Toutefois, ses effets les plus visibles, comme les espces
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.021 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".