Local Names of Fishes in a Fishing Village on the Bank of the Middle Reaches of the Kampar River, Riau, Sumatra Island, Indonesia
Notice bibliographique
Résumé
Local ecological knowledge (LEK) originates from people’s experience interacting with ecological systems in their daily lives. LEK therefore encompasses a variety of information on ecological systems and organisms. Knowing the local names of organisms is vital when collecting information from residents and associating a local name with other LEK. The taxonomic name of a biological species follows rules that were developed in the context of conventional natural science, whereas a local name is typically determined by historical and cultural context within a local human community. We aimed to clarify the relationships between local and scientific names of fishes in the middle reaches of the Kampar River, Indonesia. We investigated local names using a questionnaire survey in a fishing village. The villagers spoke a dialect of Malay used in the Kampar River Basin, and the interviewers were born in the area and were able to speak the dialect. We linked 28 local names of fishes to their corresponding scientific names, including three species that may be extirpated species in the local ecological community. More than half of the local names were associated with a scientific name at the genus level or higher. Residents of the settlement closer to the river more often responded with the local names of fishes inhabiting river channels, while those in the settlement farther from the river more frequently responded with the names of fishes that inhabit swamps. Finally, we discuss how information derived from LEK may be useful in ecological conservation even when it is not resolved to the species level.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».