MétaCan
Menu
Retour à la cohorte
Enregistrement W3207732250 · doi:10.14430/arctic73281

Hunting by Early Modern Lule Sami Households

2021· article· en· W3207732250 sur OpenAlexvenueno aff
Jesper Larsson, Eva-Lotta Päiviö Sjaunja

Notice bibliographique

RevueARCTIC · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensnon disponible
Organismes subventionnairesVetenskapsrådetKungl. Vitterhets Historie och Antikvitets Akademien
Mots-clésSubsistence agricultureTrophyGeographySubsistence economyProperty rightsResource (disambiguation)FishingCorporate governanceEconomyAgriculturePolitical scienceBusinessEconomicsArchaeology

Résumé

récupéré en direct d'OpenAlex

Hunting was one of three pillars, along with fishing and reindeer husbandry in the early modern Sami economy, and understanding of Sami hunting has increased during recent decades. However, most research has concentrated on time periods before AD 1600. After AD 1600 and the initial formation of modern Nordic countries, hunting ceased to be the backbone of the overall Sami economy but continued as an integral part of household economies. Our aim is to advance understanding of early modern hunting in northwestern interior Fennoscandia. Using source materials including court rulings and historical accounts, we set out from a self-governance perspective focusing on how actors solved resource distribution with regards to hunting. We show that ecological differences between mountains and forest impacted decisions about hunting. From the 1500s to the end of the 1700s, hunting led to the extinction of wild reindeer and depopulation of fur animals, while small-game hunting for subsistence continued to be important. In the forest region, strong property rights to game developed when skatteland (tax land) was established and hunting became a private enterprise. We suggest that the institution of skatteland was a response to changes in Sami economy, and the transition from collective to individual hunting was a contributing factor.

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 candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,255
Score d'incertitude au seuil1,000

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 technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,041
Tête enseignante GPT0,342
Écart entre enseignants0,301 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueARCTICMême sujetIndigenous Studies and EcologyTravaux en français237 207