MétaCan
Menu
Retour à la cohorte
Enregistrement W4293215802 · doi:10.1111/cobi.13981

Indigenous insights on human–wildlife coexistence in southern India

2022· article· en· W4293215802 sur OpenAlexaff
Helina Jolly, Terre Satterfield, Milind Kandlikar, Suma TR

Notice bibliographique

RevueConservation Biology · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Geographic Society
Mots-clésWildlifeIndigenousWildlife managementGeographyWildlife conservationBushmeatHuman–wildlife conflictEnvironmental ethicsTraditional knowledgeEcologyBiology

Résumé

récupéré en direct d'OpenAlex

As human-wildlife conflicts escalate worldwide, concepts such as tolerance and acceptance of wildlife are becoming increasingly important. Yet, contemporary conservation studies indicate a limited understanding of positive human-wildlife interactions, leading to potentially inaccurate representations of human-animal encounters. Failure to address these limitations contributes to the design and implementation of poor wildlife and landscape management plans and the dismissal of Indigenous ecological knowledge. We examined Indigenous perspectives on human-wildlife coexistence in India by drawing ethnographic evidence from Kattunayakans, a forest-dwelling Adivasi community living in the Wayanad Wildlife Sanctuary in Kerala. Through qualitative field study that involved interviews and transect walks inside the forests, we found that Kattunayakans displayed tolerance and acceptance of wild animals characterized as forms of deep coexistence that involves three central ideas: wild animals as rational conversing beings; wild animals as gods, teachers, and equals; and wild animals as relatives with shared origins practicing dharmam. We argue that understanding these adequately will support efforts to bring Kattunayakan perspectives into the management of India's forests and contribute to the resolution of the human-wildlife conflict more broadly.

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 candidatesCharge 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 enseignants0,024
Score d'incertitude au seuil0,999

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)0,0020,001

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 Opus0,030
Tête enseignante GPT0,259
Écart entre enseignants0,229 · 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

Citations35
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConservation BiologyMême sujetWildlife Ecology and ConservationTravaux en français237 207