Indigenous Economies for Post-Covid Development
Notice bibliographique
Résumé
Despite being disproportionately susceptible to infectious diseases like COVID-19, many Indigenous peoples still hold traditional knowledge that is responding and adapting to new circumstances and crises such as the pandemic. In this paper, we present the findings from a participatory video project in eight Makushi and Wapishan Indigenous communities in the North Rupununi, Guyana, that explored the difficulties and disruptions that came about through COVID-19, but also the opportunities for change and transformation. Over four months, Indigenous researchers gathered the views and perspectives of their communities through a participatory video process. Our findings show that there was limited information provided to communities and their leaders (especially at the start of the pandemic), and support, in the form of supplies and relief, was ad-hoc and inconsistent. As people lost income from paid work, they turned to traditional farming, fishing and hunting to sustain their lives and to support others who did not have the conditions to support themselves. While many Indigenous community members retreated to their isolated farms as a protective measure, community leaders took responsibility to protect their lands and territory by installing gates on access roads and establishing patrols to enforce rules. The recognition that their traditional knowledge was not only culturally important but necessary for survival during the pandemic, gave it a newfound relevance and legitimacy, particularly for young people. Supporting Indigenous economies such as farming are not only critical for maintaining nature and traditional cultures today, but also for being resilient to future social and ecological crises.
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 | 0,002 |
| 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 | 0,008 | 0,004 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,011 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,001 |
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.
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 ».