Female cooperative labour networks in hunter–gatherers and horticulturalists
Notice bibliographique
Résumé
Cooperation in food acquisition is a hallmark of the human species. Given that costs and benefits of cooperation vary among production regimes and work activities, the transition from hunting-and-gathering to agriculture is likely to have reshaped the structure of cooperative subsistence networks. Hunter-gatherers often forage in groups and are generally more interdependent and experience higher short-term food acquisition risk than horticulturalists, suggesting that cooperative labour should be more widespread and frequent for hunter-gatherers. Here we compare female cooperative labour networks of Batek hunter-gatherers of Peninsular Malaysia and Tsimane forager-horticulturalists of Bolivia. We find that Batek foraging results in high daily variation in labour partnerships, facilitating frequent cooperation in diffuse networks comprised of kin and non-kin. By contrast, Tsimane horticulture involves more restricted giving and receiving of labour, confined mostly to spouses and primary or distant kin. Tsimane women also interact with few individuals in the context of hunting/fishing activities and forage mainly with spouses and primary kin. These differences give rise to camp- or village-level networks that are more modular (have more substructure when partitioned) among Tsimane horticulturalists. Our findings suggest that subsistence activities shape the formation and extent of female social networks, particularly with respect to connections with other women and non-kin. We discuss the implications of restricted female labour networks in the context of gender relations, power dynamics and the adoption of farming in humans. This article is part of the theme issue 'Cooperation among women: evolutionary and cross-cultural perspectives'.
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 | 0,001 |
| 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) | 0,002 | 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 ».