The biogeography and evolution of land ownership
Notice bibliographique
Résumé
Abstract Aim Land ownership norms are well documented and play a central role in social–ecological systems. Yet only recently has the spatial and temporal distribution of land ownership been examined using biogeographical and evolutionary approaches. We incorporate biogeographical and evolutionary modelling to test associations between land ownership and environmental, subsistence and cultural contact predictors. Location Africa. Taxon Bantu and Bantoid ethnolinguistic groups (73 societies). Methods Based on ethnographies for 73 societies, we coded land ownership norms as none, group, kin or individual. We paired these data with language phylogenies, and measured phylogenetic and geographical signal and modelled alternative evolutionary trajectories using maximum likelihood methods. We tested the influence of environmental, subsistence and cultural predictors on spatial variation in land ownership, using a multi‐model inference approach based on logistic regression. Results Bantu land ownership norms likely evolved on a unilinear trajectory (i.e. societies progress or regress along a series of ownership types), but not one requiring consistent increase in exclusivity (i.e. restrictions towards ownership by smaller groups) as suggested by prior theory. Our biogeographical analyses suggest land ownership is more likely where neighbours also own land and resource productivity is predictable. Reliance on agriculture has relatively small effect sizes and low importance in the model. Main Conclusions We find support for multiple evolutionary pathways. Lack of resolution may be due to localized horizontal transfer of norms consistent with the influence of neighbours we find from biogeographical analyses. We cannot rule out other untested mechanisms. Although long‐standing theories propose links between subsistence practices and land ownership, our results suggest subsistence plays only a modest role. Our results also support resource defensibility theory (i.e. land ownership is more likely where environmental productivity is predictable). Overall, we demonstrate the value of combining analytical approaches from evolution and biogeography to test hypotheses on the spatial and temporal variation of human cultural traits.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».