MétaCan
Menu
Retour à la cohorte
Enregistrement W2018063977 · doi:10.1111/j.1475-4762.2008.00857.x

A new zoogeography of domestication and agricultural planning in Southern Ghana

2009· article· en· W2018063977 sur OpenAlexaff
Michael O’Neal Campbell

Notice bibliographique

RevueArea · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRangeland Management and Livestock Ecology
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésLivestockLivelihoodContext (archaeology)AgricultureDomesticationGeographyZoogeographySocioeconomicsWildlifeHuman geographyEcologyBiologySociologyBiogeographyEconomic geography

Résumé

récupéré en direct d'OpenAlex

Animal behaviour is vital for livestock choices, but is less researched in West Africa than economic considerations. An animal geography framework is applied to the socio‐economic context of livestock behaviour in coastal Ghana, assessing the shared ‘actant’ behaviour of people and animals, and the contribution of such a study to animal geography and agricultural knowledge. Data were gathered on cattle, sheep and goat behaviour and the impact of these on human livelihoods, perceptions and the socio‐environmental context. Animal behaviour was more important in the choice of livestock species, but economic considerations were more important in the decision to acquire animals. Goats had more incidents with people in village centres than sheep and cattle. Cattle had more incidents in farmland and grassland than goats and sheep. Women and young people were more affected by livestock behaviour. These findings increase the understanding of livestock zoogeography and livelihood decisionmaking, and contribute to animal geography by documenting the relevance of individualised gender‐ and age‐based human behaviour, as well as intra‐ and inter‐species animal behaviour to a shared actancy perspective, and a more dynamic zoogeography.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,007
Tête enseignante GPT0,202
Écart entre enseignants0,196 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAreaMême sujetRangeland Management and Livestock EcologyTravaux en français237 207