Continuity and change within the social-ecological and political landscape of the Maasai Mara, Kenya
Notice bibliographique
Résumé
Traditional livestock management has historically been blamed for the mismanagement of rangelands, but there is a growing recognition of the importance of extensive herding strategies and the local knowledge embedded in these practices. Here, we apply the lens of continuity and change to understand how local herders interpret environmental change. By exploring traditional rangeland indicators as used by Maasai herders, we highlight some of the forces of change that appear to constrain the application of local knowledge of rangeland health. Fieldwork was conducted from January to August 2013 in the Mara Division, Narok County, Kenya, employing semi-structured interviews, transect walks, focus groups, participatory mapping and participant observation. Findings suggest that continuity exists in many of the traditional methods of observing land and livestock. However, various obstructions are surfacing in a political landscape in which local knowledge holders are not always able to put their knowledge and observations into practice. These obstructions of knowledge, practices and skills occurred through three broad forces involving acculturation, prohibition and applicability. As possible consequences of a system in transition, these forces illustrate the unbalanced nature of overlap between heterogeneous users, conflicting interests and power differentials. In order to facilitate continued importance and growth of local knowledge, we conclude that resource and protected area managers must recognize local knowledge holders and ensure such knowledge is considered as more than anecdotal or strategic. By encouraging hybrid knowledge co-production in management decisions, the decision-making frame can be broadened to include herders for more inclusive decision-making.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».