MétaCan
Menu
Retour à la cohorte
Enregistrement W4241838636 · doi:10.52537/humanimalia.9433

Women and Cattle “Becoming-With” in Botswana

2020· article· en· W4241838636 sur OpenAlexaff
Andrea Petitt, Alice J. Hovorka

Notice bibliographique

RevueHumanimalia · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRangeland Management and Livestock Ecology
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésLivelihoodIntersectionalityEthnic groupContext (archaeology)OperationalizationSituatedGeographySociologyGender studiesAgriculture

Résumé

récupéré en direct d'OpenAlex

Cattle are paramount to lives, livelihoods and landscapes in Botswana. Human-cattle relations emerge and evolve through historically-situated social relations of power based on gender, ethnicity, and class. Our paper explores intersectional human-cattle relations in Botswana within the contemporary period of enhanced commercialization. Specifically, with data from participant observation and semi-structured interviews with women cattle owners in Ghanzi District, Botswana, we investigate how women across a range of ethnicities become-with cattle and how cattle are becoming-with women cattle owners, directly or mediated through hired labour and/or technology. By operationalizing Haraway’s multispecies ‘becoming-with’ through intersectionality theory we articulate the nuanced ways in which individuals or social groups of two distinct species (here humans and cattle) become who they are. We show that whereas gender and ethnicity dynamics place women as engaging directly with cattle, engaging indirectly with cattle or becoming-without cattle, class most visibly shape the way that cattle become-with women cattle owners and other humans. We offer a novel illustration of an intersectional becoming-with, highlighting human-animal relations in the context of agriculture and socio-economic change in the Global South.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,063
Score d'incertitude au seuil0,125

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,008
Communication savante0,0030,002
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
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 Opus0,022
Tête enseignante GPT0,209
Écart entre enseignants0,187 · 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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHumanimaliaMême sujetRangeland Management and Livestock EcologyTravaux en français237 207