MétaCan
Menu
Retour à la cohorte
Enregistrement W3170434448

Range Land-Scapes and -Claims: How 'Common' Was/Is Maasai Territoriality?

2015· article· en· W3170434448 sur OpenAlexaff
John G. Galaty

Notice bibliographique

RevueSSRN Electronic Journal · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRangeland Management and Livestock Ecology
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMaasaiTerritorialityCommonsGeographyCommon-pool resourceTanzaniaPolitical scienceEcologyLawEnvironmental planningBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The resurgence of common property as an object of theoretical and empirical study raises the question of how pastoral territoriality should be conceptualized, given its diversity. Richard Waller, among others, has shown that it was never'the Maasai' but particular Maasai 'sections' or Iloshon that held and defended grazing lands, with their wet and dry season grazing resources, even as pastoral orbits experienced 'drift'. The Iloikop Wars showed that confederations of sections could collaborate, and closely allied sections proferred hospitality to one another in times of environmental stress. Yet even such forms of cooperation were exceptions that proved the rule, since such access to water and grazing were by necessity negotiated. Pastoral grazing lands never represented 'open access' resources as such, given pastoral territorial claims and exclusions, but did they function as 'common pool resource' institutions, with defined memberships, territories and rules for collective action? This paper will examine historical forms of Maasai territoriality, and will ask to what extent--with evolving systems of property in Kenya and Tanzania--pastoral attitudes and practices still reflect notions of commonality that underlie contemporary land fragmentation, and what this portends for pastoral futures.

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)0,004
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,034
Communication savante0,0070,011
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,009
Tête enseignante GPT0,216
Écart entre enseignants0,206 · 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'étudeQualitatif
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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetRangeland Management and Livestock EcologyTravaux en français237 207