Fueling the Future: Narrative Constructions of Energy Transition in Canada
Bibliographic record
Abstract
Ce mémoire de maîtrise interroge la manière dont les gouvernements et l'industrie pro-pétrole s'engagent dans la politique de transition énergétique, en posant les questions suivantes : comment les acteurs ayant un intérêt direct dans le maintien de la production de pétrole et de gaz dépeignent-ils un avenir au-delà des combustibles fossiles ? Quels sont les récits sur lesquels l'industrie et le gouvernement s'appuient pour articuler leur vision de l'avenir de l'énergie ? Quelles parties prenantes apparaissent comme des personnages centraux dans ces récits ? Pour répondre à ces questions, j'analyse les données Twitter et les transcriptions législatives du premier trimestre 2021, en utilisant l'analyse narrative pour comparer la façon dont le gouvernement de l'Alberta et l'Association canadienne des producteurs pétroliers dépeignent l'avenir de la production d'énergie au Canada. Je démontre que le gouvernement et l'industrie déploient des représentations narratives convergentes de la transition énergétique comme étant actuellement en cours, mais dépendant de la production continue de pétrole et de gaz naturel. Les deux acteurs activent les cadres "verts" et "économiques" dans les mêmes proportions, en s'appuyant sur l'idée que l'innovation technologique permet de rendre l'extraction continue compatible avec la réduction des émissions. Dans ce récit, les compagnies pétrolières et gazières sont présentées à la fois comme des victimes fragiles et des héros courageux, qui doivent être défendus par le gouvernement contre les méchants organes de gouvernance étrangers et les militants écologistes. Les peuples autochtones et les travailleurs du secteur de l'énergie apparaissent comme des victimes secondaires dans cette histoire : ces deux groupes sont présentés comme entièrement dépendants de la production de combustibles fossiles pour leur prospérité économique et leur sécurité
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.007 |
| Science and technology studies | 0.023 | 0.016 |
| Scholarly communication | 0.012 | 0.006 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 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".