Det som teller eller det som kan telles? Rasjonalisering som maktmiddel i arealpolitikken
Bibliographic record
Abstract
Denne artikkelen er en situasjonsanalyse (Clarke, 2005; Clarke et al., 2018) av to jordvernsituasjoner i Trondheim og Toronto. I artikkelen identifiseres diskurser om jordvern i planprosessen «Kommuneplan Trondheim 2012-2024», mens Greenbeltplanen i Toronto diskuteres som en sammenlignende situasjon. Både i den norske og den canadiske situasjonen påvises diskurser på samfunnsnivå og mikronivådiskurser. I Trondheimssituasjonen beskriver artikkelen hvordan utbyggerinteresser rasjonaliserte nye boliger på matjord ved å gripe diskursen om klimagassutslipp fra transport og fortetting. Diskursen var her preget av målbare indikatorer for klimagassutslipp, som fungerte som en forenkling for å sammenligne alternativer. Jeg beskriver også lokalpolitikere som valgte å benytte kunnskap fra konsulentrapporter i stedet for utredninger fra kommunens egne planleggere, og prøver å vise at skatteinngang fra nye innbyggere som de potensielt kunne miste til nabokommunene, så ut til å veie tungt her. I Toronto viser jeg hvordan en nyliberal rasjonalisering av en rekke verdier ble brukt for å forankre jordvern, noe som også ser ut til å gi makt til videreføring av jordvernet.
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 | 0.006 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.008 | 0.008 |
| Scholarly communication | 0.017 | 0.010 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.050 | 0.011 |
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".