Systèmes alimentaires autochtones et connaissances traditionnelles : modèles éthiques et durables pour une transition alimentaire globale
Bibliographic record
Abstract
Cet article explore le rôle essentiel des peuples autochtones dans la transition vers des systèmes alimentaires durables, tout en abordant les enjeux éthiques liés à l’intégration de leurs connaissances traditionnelles (CTA). Reconnaissant que ces savoirs représentent des modèles de durabilité et de résilience, l’article examine également les menaces systémiques qui pèsent sur les systèmes alimentaires autochtones, tels que l’accès restreint aux territoires et les impacts de la colonisation.En adoptant une approche critique, cet article appelle à une reconnaissance plus large des savoirs autochtones dans les politiques alimentaires, tout en soulignant l’importance d’un consentement préalable, libre et éclairé. Il propose des cadres d’action, notamment à travers les concepts de systèmes alimentaires territorialisés et l’approche Two-Eyed Seeing, qui permettent d’intégrer respectueusement les perspectives autochtones et scientifiques pour repenser la gouvernance des ressources alimentaires.L’article insiste sur la nécessité d’une transition alimentaire équitable et durable, ancrée dans une collaboration authentique avec les peuples autochtones, afin de valoriser les dimensions culturelle et environnementale des systèmes alimentaires, essentielles pour relever les défis actuels et futurs.
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 | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.011 |
| Scholarly communication | 0.006 | 0.007 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
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".