Är ontologisk mångfald en väg till hållbart naturskydd? En kritisk diskursanalys av 30x30-strategin
Bibliographic record
Abstract
Denna uppsats syftar till att analysera hur Kunming-Montreal-ramverkets diskurser konstruerar och reglerar antaganden om transformativ förändring, specifikt ontologisk mångfald, i skyddet av den biologiska mångfalden. Vidare studeras hur dessa diskurser har formats, och formas av, rådande nyliberalism i miljöpolitik. Biologisk mångfald spelar en avgörande roll för exempelvis vår livsmedels- och vattenförsörjning men framför allt som ett resultat av människans intensiva, industriella produktion och konsumtion har den biologiska mångfalden minskat kraftigt. 30x30- initiativet är EU:s svar på detta som syftar skydda minst 30% av ett flertal naturområden till år 2030, där dess strategi utgörs av det så kallade Kunming-Montreal-ramverket. Detta ramverk har specifikt kritiserats för att inte se till urfolks och lokalsamhällens ontologiska rätt, det vill säga möjlighet att definiera vad biologisk mångfald innebär och hur den bör mätas, som forskare menar spelar en central roll för att skydda arter och ekosystem. Med hjälp av Faircloughs kritiska diskursanalys och specifikt hans tredimensionella modell analyseras text- och diskurspraktik i ramverket för att sedan kopplas till dess nyliberala samhällskontext. Studiens viktigaste resultat är att Kunming-Montreal-ramverkets diskurser tydligt formar och formas av en marknadsbaserad styrningslogik som objektifierar naturen och gör människan till en rationell nyttomaximerare som främst drivs av egenintresse. Genomgående uppmärksammas en vaghet i definitioner och begrepp, samtidigt som de ofta framställs i relation till tidigare initiativ som Parisavtalet, vilket stärker nyliberalismens grepp om miljöpolitiken. Uppsatsens slutsats är att konflikt inte endast bör ses som ett hinder, utan även som en potentiell resurs till transformativ förändring med ökad ontologisk mångfald och föreslår hur en syntes mellan tre kritiska författare i ämnet kan bidra till detta.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.027 | 0.007 |
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".