Life after Barrancos: Investigation of Lived Experience of Riverbank Slump Displacement and Resettlement in Amazonian Peru
Bibliographic record
Abstract
Cette étude examine comment les glissements de terrain des berges fluviales (barrancos) façonnent la vie des communautés rurales dans l’Amazonie péruvienne. Elle se concentre sur les expériences de réinstallation de Nuevo Ucayali, qui s’est repliée après un glissement de terrain en 2021, et de Brisas de Abancay, qui a été relocalisée à la suite d’un glissement survenu en 2009. En analysant les changements d’accès aux ressources et les réponses communautaires, cette recherche contribue aux débats sur les déplacements climatiques et l’adaptation. Les deux communautés disposaient de peu d’options, s’appuyant sur le repli et l’adaptation en l’absence de mesures de protection ou d’alternatives viables. Le repli de Nuevo Ucayali a permis de préserver les liens sociaux, mais a entraîné une baisse de la productivité agricole, tandis que la relocalisation de Brisas de Abancay a amélioré la sécurité des ressources et les opportunités économiques, au prix de profonds ajustements sociaux. Le chapitre 1 examine les changements dans l’accès aux ressources—y compris la terre, les types de cultures, les stocks de poissons et l’eau—et la manière dont ces transformations ont influencé les moyens de subsistance des ménages. Le chapitre 2 se concentre sur les mécanismes de résilience émotionnelle et psychologique après l’événement, à l’échelle individuelle, familiale et communautaire. Cette étude s’appuie sur des entretiens, des enquêtes, de l’observation participante et des images satellites pour comprendre comment ces communautés se sont adaptées. Les résultats soulignent la nécessité de politiques climatiques qui dépassent la simple relocalisation, afin de garantir aux populations déplacées les ressources et la stabilité nécessaires pour reconstruire leur vie
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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 teacher head, 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".