MétaCan
Menu
Retour à la cohorte
Enregistrement W2742990131 · doi:10.14237/ebl.8.1.2017.900

‘Fish’ and ‘Non-Fish’ in Lio and Nage: Folk-Intermediates and Folk-Generics in the Fish Classification of Two Eastern Indonesian Peoples

2017· article· en· W2742990131 sur OpenAlexaff
Gregory Forth

Notice bibliographique

RevueEthnobiology Letters · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueIdentification and Quantification in Food
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTaxonFish <Actinopterygii>IndonesianCategorizationHistoryFreshwater fishGenealogyZoologyBiologyLiteratureEcologyLinguisticsPhilosophyArtFishery

Résumé

récupéré en direct d'OpenAlex

Based on recent field research on Flores Island, this paper describes the classification of fish found among the Lio people. Formally, Lio fish taxonomy closely resembles that of the Nage of central Flores, discussed in a previous paper (Forth 2012), but differs insofar as several kinds of freshwater fish, all members of the Gobioidei, are subsumed in a named folk-intermediate taxon labeled mbo. Most attention is given to Lio names for folk-generics included in this intermediate. These correspond to the same species and genera included in a Nage folk-intermediate which, however, is unnamed. Moreover, Lio names for the component generics are clearly motivated by the same morphological and behavioral features as are reflected in Nage names for the same generics, yet the Lio names themselves are lexically quite different. These simultaneous classificatory similarities and nomenclatural differences are discussed with reference to the parts played by a common cultural heritage and natural discontinuity in the categorization of fish among these two ethno-linguistically related groups.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,556
Score d'incertitude au seuil0,454

Scores Codex et Gemma par catégorie

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

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 Opus0,023
Tête enseignante GPT0,291
Écart entre enseignants0,267 · 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 tête enseignante, 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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEthnobiology LettersMême sujetIdentification and Quantification in FoodTravaux en français237 207