The multi-dimensional perspectives of taboos on gender roles of fisherfolk in the Global South
Notice bibliographique
Résumé
Abstract In the Global South, small-scale fisheries may be highly influenced by taboos and traditional beliefs that are believed to maintain fishing pressure within sustainable limits, maintain ecosystem balance and mitigate risks associated with work at sea. However, despite their potentially significant role in mediating human-resource interactions, limited attention has been given to taboos in the context of small-scale fisheries. Among the socio-cultural taboos shaping participation in and benefits from fisheries activities, gender-specific taboos are particularly significant. Thus, this paper explores the role of gender taboos in sustainable and equitable small-scale fisheries management in the Global South. It also identifies and assesses the quality and scientific rigor of the key themes from the literature. A systematic literature review was conducted to assess the state of knowledge on taboos and small-scale fisheries and situate the role of gender-specific taboos within small-scale fisheries governance. Over 100 relevant publications were obtained and categorised using scanning and selection methods. The main emerging themes from the literature review included traditional ecological knowledge and taboos, conservation and management taboos, and gender taboos. The findings highlight the significance of taboos in shaping gender dynamics, livelihoods, and food security within small-scale fisheries; however, there remain many gaps in understanding the role of taboos in mediating fishing activities and in maintaining gender inequalities in the fisheries sector. Without this knowledge, gender inequalities could be further exacerbated where taboos are used as a management tool without considering the gender dimensions. This study, therefore, seeks to fill this gap by providing insights for fisheries managers and practitioners for managing fisheries in a way that considers these socio-cultural factors that shape access to, control over and the benefits derived from fisheries.
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 | 0,008 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,014 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».