The species-specific role of wildlife in the Amazonian food system
Notice bibliographique
Résumé
We examine ways in which the role of wild animals in the Amazonian food system may be socially differentiated and species-specific. We combine a hybrid framework of food choice preferences and theorizing on access to natural resources with fieldwork in Brazilian Amazon, where social and environmental challenges coalesce around the role of wildlife in feeding a growing urban population. Based on 798 household surveys across four towns, we found that consumption of, and taste preferences for, selected species of mammals, fishes, birds, and reptiles are related to variation in means of access (e.g., level of social trust - the basis of reciprocity and informal urban safety nets), and having rural cultural origins (marginal to migrants’ other socioeconomic differences). The likelihood of eating particular species was associated with taste preferences and household experiences of food insecurity. Hunting and fishing households consumed many wild species; it is unclear if they depend heavily on any in particular. Vulnerable species, including manatee, tortoise, and river turtle, were eaten mainly by relatively privileged households, and less so by other households (e.g., rural-urban migrants). Rural origins increased by 90% the likelihood of a strong wild meat preference, compared to other households. Evidently, wildlife consumption is a rural tradition that influences migrants’ dietary practices in towns, through the interplay of preferences, means of access, and context. Finally, severe and moderate food insecurity was associated with eating howler monkey and catfishes (barred and redtail) and not eating manatee and turtle. Hence, urban consumption of some, but not all, wild species is associated with household disadvantage and food insecurity. Amazonian town-dwellers consume many wild species, drawing on diverse means of access, which are species-specific and reflect social inequalities. Species-specific governance of wildlife consumption may help balance the risks of overharvesting against the well-being of Amazonia’s vulnerable town-dwellers.
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 | 0,001 | 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 ».