O contexto da vulnerabilidade ambiental enquanto um produto da colonização e da democracia liberal: o entendimento e a educação sobre o terremoto no Haiti
Bibliographic record
Abstract
As questões ambientais no Haiti têm tornado o país mais dependente e vulnerável aos eventos catastróficos, como no terremoto de 2010.Neste artigo, as raízes sociais e políticas que permitiram tal vulnerabilidade são examinadas e, com base no Índice de Vulnerabilidade, é apresentado um quadro de como meio ambiente, ecologia humana, democracia e educação se cruzam nesse contexto.O estudo se concentra em quatro desenvolvimentos sociais ligados às catastróficas consequências humanas do terremoto.A análise dessas ações levando em conta esse índice permite ilustrar como processos específicos e seus resultados estiveram vinculados a noções de democracia de diferentes formas.Estabelecido o elo conceitual entre meio ambiente e democracia, são apresentados os resultados negativos da vulnerabilidade numa democracia "fina", e como a educação hegemônica contribui para limitar e enfraquecer a retórica de uma democracia "espessa".Conclui pela defesa de uma educação voltada para a democracia "espessa", que possa romper e abordar as condições de colonização, injustiça social e vulnerabilidade ambiental, alertando que essa democracia requer uma educação crítica e mais comprometida.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.008 | 0.013 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.002 | 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".