MétaCan
Menu
Retour à la cohorte
Enregistrement W3171887433 · doi:10.31235/osf.io/y5n6z

The Evolution and Ecology of Land Ownership

2021· preprint· en· W3171887433 sur OpenAlexaff
Hannah J. Haynie, Geoff Kushnick, Patrick H. Kavanagh, Carol R. Ember, Claire Bowern, Bobbi S. Low, Ty Tuff, Bruno Vilela, Kathryn R. Kirby, Carlos A. Botero, Michael C. Gavin

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueLanguage and cultural evolution
Établissements canadiensUniversity of TorontoMcGill University
Organismes subventionnairesnon disponible
Mots-clésBantu languagesLand tenureSubsistence agricultureEcologyProductivityGeographyResource (disambiguation)AgricultureEconomic geographyEconomicsBiologyEconomic growth

Résumé

récupéré en direct d'OpenAlex

Land ownership norms play a central role in social-ecological systems, and have been studied extensively as a component of ethnographies. Yet only recently has the distribution of land ownership norms across cultures been examined from evolutionary and ecological perspectives. Here we incorporate evolutionary and macroecological modelling to test associations between land ownership norms and environmental, subsistence, and cultural contact predictors for societies in the Bantu language family. We find that Bantu land ownership norms likely evolved on a unilinear trajectory, but not necessarily one requiring consistent increase in exclusivity as suggested by prior theory. Our macroecological analyses suggest that Bantu societies are more likely to have some form of ownership when their neighbors also do. We also find an effect of environmental productivity, supporting resource defensibility theory, which posits that land ownership is more likely where productivity is predictable. We find less support for a proposed link between agricultural intensification and land ownership. Overall, we demonstrate the value of combining analytical approaches from evolution and ecology to test diverse hypotheses on land ownership across a range of disciplines.

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 enseignants0,505
Score d'incertitude au seuil0,988

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 technologies0,0000,000
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 Opus0,020
Tête enseignante GPT0,290
Écart entre enseignants0,270 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLanguage and cultural evolutionTravaux en français237 207