Justice environnementale et criminologie verte: exploration des représentations autochtones des injustices et des transgressions liées à l’environnement
Bibliographic record
Abstract
Notre étude aborde les représentations autochtones des transgressions liées à l’environnement et \ncelles de la justice environnementale au Canada à travers l’analyse de documentaires réalisés par \ndes Autochtones et produits par Wapikoni mobile. Grâce à l’utilisation d’une méthodologie \nqualitative, nous visons à mettre les points de vue autochtones au premier plan de notre étude et \nainsi présenter les expériences de transgressions et d’injustices environnementales telles qu’elles \nsont vécues et représentées par les réalisateurs et par les intervenants qui sont intégrés dans les \ndocumentaires. L’étude des documentaires nous donne aussi un accès privilégié aux \nreprésentations de la nature et du territoire, ainsi qu’aux rapports avec les Allochtones et l’État \ncanadien. \nLes résultats de notre analyse des documentaires viennent souligner la place fondamentale de la \nnature et du territoire dans les représentations autochtones, et exposent la gravité extrême des \natteintes à l’environnement pour ces communautés. Les documentaires indiquent que les injustices \net les transgressions environnementales ont des conséquences incommensurables pour les peuples \nautochtones. Notre analyse révèle aussi la place de l’État canadien, la structure coloniale et les \nvaleurs capitalistes dans ces actes. Ces éléments sont mis en lumière à travers les représentations \nautochtones d’une responsabilité accrue des acteurs gouvernementaux et organisationnels \naccompagnée de rapports antagonistes avec les Allochtones, qui engendrent plusieurs réactions \nautochtones aux injustices et aux transgressions. Finalement, notre analyse dégage des \ndocumentaires un lot de revendications essentielles afin de parvenir à une justice environnementale \nautochtone.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.016 | 0.025 |
| Scholarly communication | 0.014 | 0.006 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 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".