Climate governance under the growth machine: a critical perspective on Montreal’s climate politics
Bibliographic record
Abstract
Les États-nations et les organismes internationaux ayant pris du retard dans la mise en oeuvre de stratégies significatives de réduction des gaz à effet de serre afin de minimiser les impacts du changement climatique, il a été avancé que la ville s'est imposée comme l'unité sociale, politique et économique la mieux adaptée pour répondre à la nécessité de réduire les émissions et de prendre des mesures d'adaptation. Simultanément, les capitaux ont afflué dans les villes pour financer ce virage vers le développement durable au niveau local, créant de nouvelles industries et réorganisant les intérêts des parties prenantes existantes autour du concept de croissance verte. Dans cet article, j'examine l'impact de cette coalition naissante de croissance verte sur la politique climatique de Montréal à travers une analyse de deux structures clés de sa gouvernance climatique : son récent plan d'action climatique, le Plan climat 2030-2030, et le Partenariat climat Montréal. Je soutiens que les acteurs de la croissance verte, en s'impliquant dans ces deux structures, ont réussi à faire avancer une compréhension de la durabilité qui considère que la croissance et la protection de l'environnement sont compatibles, ce qui peut avoir des conséquences à la fois sur la réalisation des cibles d'émissions autant que sur l'équité. Je soutiens également que cela souligne la nécessité de repenser notre compréhension de la durabilité et de remettre en question le développement et les politiques vertes qui n'abordent pas de manière adéquate la question de l'équité et qui ne parviennent pas à impliquer le public.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.020 | 0.020 |
| Scholarly communication | 0.014 | 0.006 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.005 | 0.006 |
| Insufficient payload (model declined to judge) | 0.017 | 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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".