Indigenous Peoples’ Perceptions of Their Food System in the Context of Climate Change: A Case Study of Shawi Men in the Peruvian Amazon
Notice bibliographique
Résumé
Biodiversity and ecosystem conservation in the Amazon play a critical role in climate-change mitigation. However, institutional responses have had conflicted and complex relations with Indigenous peoples. There is a growing need for meaningful engagement with—and recognition of—the centrality of Indigenous peoples’ perceptions and understanding of the changes they are experiencing to inform successful and effective place-based adaptation strategies. To fill this gap, this study focuses on the value-based perspectives and pragmatic decision-making of Shawi Indigenous men in the Peruvian Amazon. We are specifically interested in their perceptions of how their food system is changing, why it is changing, its consequences, and how/whether they are coping with and responding to this change. Our results highlight that Shawi men’s agency and conscious envisioning of their future food system intersect with the effects of government policy. Shawi men perceive that the main driver of their food-system changes, i.e., less forest food, is self-driven population growth, leading to emotions of guilt and shame. During our study, they articulated a conscious belief that future generations must transition from forest-based to agricultural foods, emphasising education as central to this transition. Additionally, results suggest that the Peruvian government is indirectly promoting Shawi population growth through policies linking population size to improved service delivery, particularly education. Despite intentional Shawi moves to transition to agriculture, this results in a loss of men’s cultural identity and has mental-health implications, creating new vulnerabilities due to increasing climatic extremes, such as flooding and higher temperatures.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».