Kompleksitet i norsk identitet : en analyse av norsk olje- og gassindustri
Bibliographic record
Abstract
Statlig identitet er en viktig del av internasjonal politikk. Identitet er avgjørende for hvordan stater oppfatter hverandre og legger grunnlaget for interesser og verdier. Identitet er derfor viktig i forhold til hvordan stater utformer sin utenrikspolitikk. I denne oppgaven har jeg konstruert et teoretisk verktøy som benyttes for å analysere ulike sider ved statlig identitet. Statlig identitet er en kompleks sammensetning av verdier og interesser. Det er derfor ikke unaturlig at det kan oppstå spenning mellom ulike interesser og/eller verdier. For å illustrere dette, har jeg tatt utgangspunkt i spenningen mellom tradisjonelle norske selvbilder og norske interesser knyttet til olje- og gassindustrien. Jeg har tatt i bruk to eksempler som illustrerer denne spenningen, Statoils aktiviteter i Angola og i Canada. I Angola har mye av kritikken vært knyttet til korrupsjon og menneskerettigheter. Kritikken mot oljesandprosjektet i Canada har i hovedsak dreid seg om klima og miljø. Begge disse eksemplene har fått mye omtale i det norske samfunn fordi man oppfatter dem som kontroversielle på bakgrunn av norske verdier og norske selvbilder. Det teoretiske verktøyet jeg har konstruert, har jeg benyttet for å analysere denne siden av norsk identitet. På denne måten har jeg belyst flere sider ved norsk statlig identitet og dermed gitt bedre innsikt i spenningen mellom selvbilder og interesser.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.040 | 0.004 |
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".