MétaCan
Menu
Retour à la cohorte
Enregistrement W2594098120 · doi:10.18584/iipj.2017.8.1.3

Traditional Knowledge in the Time of Neo-Liberalism: Access and Benefit-Sharing Regimes in India and Bhutan

2017· article· en· W2594098120 sur OpenAlexvenueno aff
Indrani Barpujari, Ujjal Kumar Sarma

Notice bibliographique

RevueInternational Indigenous Policy Journal · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCommodityContext (archaeology)IndigenousTraditional knowledgePolitical scienceCitizen journalismEthosEconomic growthEconomicsPolitical economyLawGeographyEcology

Résumé

récupéré en direct d'OpenAlex

In a neoliberal world, traditional knowledge (TK) of biodiversity possessed by Indigenous and Local Communities (ILCs) in the global South has become a valuable "commodity" or "bio-resource," necessitating the setting up of harmonized ground rules (international and national) in the form of an access and benefit-sharing regime to facilitate its exchange in the world market. Despite criticisms that a regime with a neo-liberal orientation is antithetical to the normative ethos of ILCs, it could also offer a chance for developing countries and ILCs to generate revenue for socioeconomic development—to which they are gradually becoming open, but only under fair and equitable terms. Based on this context, this article proposes to look into the legal and policy frameworks and institutional regimes governing access and benefit sharing of TK associated with biological resources in two countries of South Asia: India and Bhutan. The article seeks to examine how such regimes are reconciling the imperatives of a neo-liberal economy with providing a just and equitable framework for ILCs and TK holders, which is truly participatory and not top-down.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0080,033
Communication savante0,0100,004
Science ouverte0,0010,009
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,038
Tête enseignante GPT0,293
Écart entre enseignants0,255 · 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'étudeThéorique ou conceptuel
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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Indigenous Policy JournalMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207