Climate-resilient aquatic food systems require transformative change to address gender and intersectional inequalities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The adverse impacts of climate change on aquatic food systems (AFS) and the people who depend on AFS for livelihood security are inequitably distributed between and within countries. People facing the highest risks and experiencing the severest impacts of climate change are those who already experience multidimensional inequalities in their lives, particularly because of their gender, class, age, indigeneity, ethnicity, caste, religion, and the physical and political conditions that can create additional vulnerabilities. In this paper, we conducted a scoping review of the literature that explores the links between climate change, gender, and other social identities, and AFS. The review was complemented by an analysis of representative data on women and men aquaculture farmers in Bangladesh from 2018 to 2019. We also analysed data from the 2019 Illuminating Hidden Harvest project. The study relied on the gendered agrifood system and aquatic food climate risk frameworks to guide on literature search, review, and data analyses. Our findings show that intersecting identities disadvantage certain AFS actors, particularly young women from minority ethnic groups, and create challenge for them to manage and adapt to climate shocks and stresses. Examples of gender-responsive and transformative interventions are highlighted from our review to showcase how such intersectional disadvantages can be addressed to increase women’s empowerment and social and gender equality.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle