Understanding Community Perceptions of the St. Kitts’ “Monkey Problem” by Adapting Harm Reduction Concepts and Methods
Notice bibliographique
Résumé
Wicked problems in One Health are associated with dynamicity and uncertainty that require experts, authorities and community members to reach for innovative means of collective inquiry, and collaborative interventions to address the deep social issues at the root of interspecies problems. In this study we explore the value of harm reduction concepts to understand a hundreds of year old issue, the St. Kitts’ “monkey problem,” which involves the invasive African green monkey ( Chlorocebus sabaeus ) as the cause of deleterious effects on agriculture, but concurrent positive effects on tourism and biomedical research. The harm reduction approach, a systems and settings-based approach with decades of success in public health, can serve as a framework to produce action on persistent societal problems. Harm reduction concepts and methods and participatory epidemiology were used to uncover local perceptions about human-monkey interactions and “meet people where they are” by asking the research question: Are there commonalities in perceptions and values linked to the St. Kitts’ “monkey problem” that are shared across diverse representatives of society that can act as a common starting place to launch collaborative responses to this invasive species? Through a series of focus group activities and interviews we found that the Kittitian “monkey problem” is a contentious and dichotomous problem pervasive in most of society that has no single stakeholders nor one solution. Harm reduction helped to map the island’s human-monkey system and elucidated an entry point toward tackling this problem through the identification of shared values, and also provided a model for incremental gains that may be achieved. Likening the St. Kitts “monkey problem” to a wicked problem enabled stakeholders to seek more options to manage the problem rather than to conclusively solve it. Frequently mentioned shared values including the protection of farmer crops and backyard harvests likely represent strong entry points to this problem and a jumping-off point to begin collective action toward future improvements.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».