Biodiversité, systèmes de gestion traditionnels et paysages culturels
Bibliographic record
Abstract
Résumé Il existe une relation entre la conservation de la biodiversité et les pratiques culturelles des peuples autochtones et des sociétés traditionnelles liées à l’utilisation du sol et à l’exploitation des ressources naturelles. Pour conserver la biodiversité, nous devons comprendre comment ces cultures interagissent avec les paysages et comment leur action sur les paysages contribue au renouvellement permanent des écosystèmes. Les auteurs de cet article analysent la signification des savoirs et des systèmes de gestion traditionnels et leur influence sur la biodiversité. Ils présentent d’abord une importante pratique écologique traditionnelle : la gestion par succession, notamment sur brûlis. Ils décrivent ensuite, à titre d’exemple, l’exploitation des écosystèmes de la forêt boréale du Nord canadien par les peuples autochtones et notamment par les Anishnaabe (Ojibwa) du Nord-Ouest de l’Ontario. Les pratiques traditionnelles et les paysages culturels de ces autochtones, qui maintiennent la biodiversité dans le temps et dans l’espace, fournissent des exemples de mécanismes respectueux de la biodiversité. Nous devons nous inspirer des systèmes traditionnels pour nous fixer, en matière de conservation, des objectifs plus généraux, compatibles avec les modes de subsistance durable des populations locales. Le prisme des paysages culturels nous permet de comprendre que la poursuite de plusieurs objectifs (la production du bois et des autres produits de la forêt, la constitution de zones protégées, le tourisme) est nécessaire pour gérer durablement la forêt dans des paysages qui conservent leurs qualités patrimoniales et assurent la subsistance de la population locale. L’application d’une définition plus large et plus ouverte de la conservation et la poursuite d’objectifs multiples et interdépendants pourraient contribuer à concilier la subsistance des populations locales et la conservation de la biodiversité.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".