Restorative diets: a methodological exploration comparing historical and contemporary salmon harvest rates
Notice bibliographique
Résumé
Along the coast of what has come to be known as British Columbia, First Nations face persistent challenges related to the state of the fisheries on which they depend. Fisheries management strategies imposed by the colonial-through-to-federal governance regimes have been implicated in contributing to the challenges, and are rejected by many coastal First Nations who are reasserting governance authority over their fisheries. In particular, the current management approach continues to set ceilings on First Nations’ harvest rates (e.g., food, social, and ceremonial allocation). Too often the evidence used to determine such ceilings reflects diets and fishing practices deeply disrupted by social-ecological change, including, but not limited to, colonialism and climate change. Through this paper we use the example of salmon to propose harvest rates more consistent with less disrupted diets, what we refer to as restorative diets. Methodologically, we use empirical records on historical diets as a basis for envisioning what restorative diets might look like and for considering the magnitude of the difference between harvest rates consistent with such diets compared to contemporary diets. We do so by developing a model of restorative harvest rates in reference to caloric needs, the proportion of diets historically contributed by salmon, and the amount of salmon harvested per calorie, which we parameterize using existing empirical records. These methods yield coast-wide restorative harvest rates that range from 68 to 235 kg of salmon per person per year. Such estimates are three to 14 times higher than contemporary rates. We offer the methodology and findings presented here as both catalyst and guidance for further investigations of the conditions (ecological, social, and political) necessary to support the efforts of coastal First Nations, and Indigenous Peoples globally, to restore their fisheries, diets, and food systems.
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 | 0,033 | 0,112 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».