Des enjeux environnementaux et décoloniaux dans les discours de Greenpeace Canada et de leur éventuelle articulation : ce que nous en disent les «histoires» du site web de juin à décembre 2020
Bibliographic record
Abstract
Ce travail cherche à réfléchir sur l’articulation possible entre enjeux environnementaux et enjeux décoloniaux, un lien particulièrement développé au sein de l’écologie décoloniale et de la justice environnementale. Dans le contexte particulier de l’année 2020 marquée à la fois par la pandémie de COVID-19, la résurgence de mouvements sociaux tels que Black Lives Matter et une situation écologique mondiale préoccupante, notre recherche se concentre essentiellement sur les discours de l’organisation environnementale Greenpeace Canada. Constatant la prise de position de Greenpeace Canada au moment de la résurgence du mouvement Black Lives Matter et l’intérêt de l’ONG pour les luttes autochtones, cette recherche s’intéresse à l’articulation, ou non, des enjeux environnementaux et des enjeux décoloniaux dans le discours de l’organisation. Pour ce faire, nous proposons une méthode de recherche majoritairement qualitative, avec un volet quantitatif, basée sur l’analyse de discours et présentant une dimension critique. L’analyse qualitative se porte sur les billets publiés sur le site Web de Greenpeace Canada entre juin et décembre 2020. Basée sur le concept d’écologie décoloniale de Ferdinand (2019), notre analyse du discours de Greenpeace Canada témoigne de l’affirmation d’une position d’allié à la lutte décoloniale et antiraciste dans un contexte particulier. Toutefois, notre corpus rend aussi compte d’un manque d’homogénéité entre des billets qui s’efforcent de lier les différents enjeux et des billets qui passent outre l’articulation possible. L’expression de la justice environnementale, comme celle de l’écologie décoloniale, peine encore à s’affirmer pleinement au sein du discours de l’organisation environnementale. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Greenpeace, écologie décoloniale, justice environnementale, autochtones, Black Lives Matter, analyse de discours
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 | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.015 | 0.014 |
| Scholarly communication | 0.011 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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".