Comunidades Pesqueiras, Etnoecologia, Ecologia Humana e Segurança Alimentar: uma revisão de conceitos, modelos e ensino
Notice bibliographique
Résumé
A literatura sobre incentivos para conservar a biodiversidade frequentemente sobrepõe processos e resultados. Há necessidade de revisar os principais resultados, como governança e co-manejo; os principais processos, como confiança, legitimidade e transparência; os principais ‘drivers’ (motivadores, fatores impulsionadores) que podem ser positivos (incentivos, segurança alimentar, biodiversidade) ou negativos (poluição, pobreza); como ainda os instrumentos disponíveis para alcançar resultados, como processos colaborativos e conhecimento local (‘local ecological knowledge, LEK’). LEK é sugerida aqui como tendo um grande potencial dentro de processos colaborativos em comunidades pesqueiras. Um Modelo de Ecologia Humana (CAT – Modelos de Adaptação Cultural), adaptado a comunidades pesqueiras de pequena escala, é usado como ferramenta analítica no sentido de organizar processos de ‘feedback’ entre informação ecológica, processos colaborativos e segurança alimentar. Ilustramos a colaboração com os pescadores através de pesquisa realizada em Copacabana (Posto 6), Rio de Janeiro, no estudo de garoupas (Epinephelus marginatus). Avaliamos ainda os motivadores positivos que podem engajar os pescadores no co-manejo, como PSA (Pagamentos de Serviços Ambientais). PSAs podem ser aplicados no co-manejo, como em MPAs (áreas protegidas marinhas) através de pagamento direto a pescadores que ajudem na vigilância dessas áreas.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,010 |
| Communication savante | 0,012 | 0,013 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».