MétaCan
Menu
Retour à la cohorte
Enregistrement W4322711556 · doi:10.4000/vertigo.38078

Pourquoi consommer la viande de brousse ? Réponses auprès des populations de Yangambi et de Kisangani, République Démocratique du Congo

2022· article· fr· W4322711556 sur OpenAlexvenueno aff
Olivier Igugu, Théodore Trefon

Notice bibliographique

RevueVertigO · 2022
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueAfrican Botany and Ecology Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

La viande de brousse est un élément capital dans l’alimentation et la culture de populations des forêts tropicales. En dehors des espèces interdites par la coutume, toutes les espèces sont consommées. Dans nos sites d’étude, la consommation de la viande de brousse diminue. La croissance démographique, les techniques de chasse utilisées et la déforestation sont les principales explications de la baisse de ressources fauniques dans le milieu. La forêt de Yangambi, qui était le réservoir de la viande de brousse consommée aussi bien par les habitants de cette cité que par ceux de la ville de Kisangani, devient alors une « forêt vide ». Face à cette rareté et à l’absence d’autres sources de protéines animales, la population est confrontée à des défis alimentaires. Toutefois, la population reste attachée à la consommation de la viande de brousse pour de multiples raisons. Cette étude présente l’analyse de ces raisons, notamment les dimensions socioculturelles. Chaque individu, famille, clan ou tribu a des relations particulières avec la viande de brousse. Cette relation est dynamique, et les motivations du passé ne sont pas nécessairement celles d’aujourd’hui et ne seront probablement pas celles de demain. Selon la perception locale, la viande de brousse est un aliment avant d’être une priorité pour la conservation. Enfin, il s’avère que l’observation des interdits alimentaires, qui ont favorisé la conservation dans le passé, est actuellement de moins en moins respectée.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge 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 enseignants0,140
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,031
Tête enseignante GPT0,266
Écart entre enseignants0,236 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetAfrican Botany and Ecology StudiesTravaux en français237 207