MétaCan
Menu
Retour à la cohorte
Enregistrement W146849299 · doi:10.1017/cbo9781139107778.013

The sugar-cane landscape of the Caribbean islands: resilience, adaptation and transformation of the plantation social–ecological system

2012· book-chapter· en· W146849299 sur OpenAlexaff
William C. Found, Marta Berbés‐Blázquez

Notice bibliographique

RevueCambridge University Press eBooks · 2012
Typebook-chapter
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture, Land Use, Rural Development
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésPsychological resilienceGeographyResilience (materials science)Cultural landscapeAdaptation (eye)EcologyEnvironmental resource managementEconomicsBiologyArchaeologyPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

The plantation sugar-cane landscape has been the most distinctive cultural landscape in a number of Caribbean islands since colonisation, surviving in its basic form for over 500 years. We regard it as the physical manifestation of a well-defined social–ecological system that has demonstrated remarkable resilience – defined as 'the capacity of a system to experience shocks while retaining essentially the same function, structure, feedback and, therefore, identity' (Walker et al., 2006). While the landscape has survived in its general form for centuries, the plantation system it reflects has undergone dynamic changes in space and time that have facilitated resilience, changes that have included a transition from the system's most notorious feature – slavery – to the current period of rationalisation and decline. This chapter illustrates how one can understand the sugar-cane landscape through the lens of resilience thinking – and through reference to the heuristics of adaptive cycles and panarchy, in particular. It also offers interpretations of different forms of sugar-cane landscape as cultural landscapes, and illustrates how this perspective can be combined with resilience thinking to enrich our understanding of landscape character and change.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,979
Score d'incertitude au seuil0,449

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,163
Écart entre enseignants0,147 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetAgriculture, Land Use, Rural DevelopmentTravaux en français237 207