MétaCan
Menu
Retour à la cohorte
Enregistrement W2790674664 · doi:10.1371/journal.pone.0193759

Sharing-based social capital associated with harvest production and wealth in the Canadian Arctic

2018· article· en· W2790674664 sur OpenAlexfundaboutno aff
Elspeth Ready

Notice bibliographique

RevuePLoS ONE · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensnon disponible
Organismes subventionnairesOffice of Polar ProgramsNational Institute on Drug AbuseSocial Sciences and Humanities Research Council of CanadaStanford UniversityNational Institutes of HealthNational Science Foundation
Mots-clésSocial capitalRedistribution (election)ArcticSocial network (sociolinguistics)BusinessReciprocity (cultural anthropology)Food securityFood processingProduction (economics)EconomicsNatural resource economicsDemographic economicsGeographyAgricultural economicsAgricultureEcologyBiologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Social institutions that facilitate sharing and redistribution may help mitigate the impact of resource shocks. In the North American Arctic, traditional food sharing may direct food to those who need it and provide a form of natural insurance against temporal variability in hunting returns within households. Here, network properties that facilitate resource flow (network size, quality, and density) are examined in a country food sharing network comprising 109 Inuit households from a village in Nunavik (Canada), using regressions to investigate the relationships between these network measures and household socioeconomic attributes. The results show that although single women and elders have larger networks, the sharing network is not structured to prioritize sharing towards households with low food availability. Rather, much food sharing appears to be driven by reciprocity between high-harvest households, meaning that poor, low-harvest households tend to have less sharing-based social capital than more affluent, high-harvest households. This suggests that poor, low-harvest households may be more vulnerable to disruptions in the availability of country food.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,581
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0050,000
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 Opus0,078
Tête enseignante GPT0,311
Écart entre enseignants0,233 · 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.

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

Citations54
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetIndigenous Studies and EcologyTravaux en français237 207