Fostering care and agency for wildlife stewardship on Indigenous and local lands: the power of place, practice, and virtue
Notice bibliographique
Résumé
Stewardship of wildlife within lands managed by Indigenous peoples and local communities has relied on traditional knowledge and skills yet faces challenges amid social and economic changes that can weaken enduring social-ecological relations. Wildlife conservation initiatives frequently lean on community-based wildlife management (CBWM) to foster sustainable use while ensuring community involvement in decision making. In practice, CBWM has often remained tightly linked to top-down or externally driven processes with quick negative conclusions being drawn about the capacity of communities to manage local wildlife, without further investigating the foundational conditions of stewardship. This study proposes a theoretical model for place-based stewardship that builds on the care-knowledge-agency framework, grounding it in mentored practices and environmental virtue. Our model does not discount the importance of devolved governance systems and legitimate leadership but highlights the parallel requirement for virtuous local decision-making processes, which emerge from mentored practice, rooted in place-based knowledge, and nurtured by care. We illustrate this model with case studies from Guyana and the Democratic Republic of Congo, drawing on lessons learned to develop a generic theory of change that can be adapted to guide the development of tailored interventions for the consolidation of stewardship in the context of CBWM. We argue that CBWM initiatives involving Indigenous peoples and local communities cannot view wildlife management as disconnected from strategies for self-determination within a context of reappropriation of customary lands and may require enabling actions to recover agency and place-based care through reconnection to the territory and mentored practice.
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 | 0,005 | 0,006 |
| 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 | 0,010 | 0,042 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».