MétaCan
Menu
Retour à la cohorte
Enregistrement W4416830023 · doi:10.1111/aman.70044

How to Fish With Respect: A Transformation of Human‐Fish Relations in Riverside Amazonia

2025· article· en· W4416830023 sur OpenAlexafffund
Vinicius de Aguiar Furuie

Notice bibliographique

RevueAmerican Anthropologist · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish biology, ecology, and behavior
Établissements canadiensThe Scarborough Hospital
Organismes subventionnairesFogarty International CenterConnaught FundPrinceton UniversityHigh Meadows Environmental Institute, Princeton UniversityWenner-Gren Foundation
Mots-clésCommodificationAmazon rainforestFish <Actinopterygii>State (computer science)NormativePoliticsTransformation (genetics)

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Riverside inhabitants of the Middle Xingu River Basin, in the Brazilian Amazonia, frequently say that it is important to respect animals and the forest spirits who protect them. In recent decades, however, the development of an iced fish industry in the region has changed what respect means and how it is expressed when it comes to fishing. This article analyzes shifting attitudes toward fish by focusing on the transformation of the notion of panema , a word that denotes an acquired state in which one becomes incapable of hunting and fishing. I argue that the commodification of fresh fish has not altered the animistic principle that fish are imbued with an interior state of mind and other markers of personhood. Commodification, however, has decreased the importance of spirit owners and increased the importance of the mental state of the fishers in their accounts of their activities. I pose that such transformation can only be properly accounted for by breaking down the analytical distinction between political economy and ontology and focusing on how the riverside inhabitants see it as a normative issue, measured in regard to respect.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0050,009
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,286
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican AnthropologistMême sujetFish biology, ecology, and behaviorTravaux en français237 207