MétaCan
Menu
Retour à la cohorte
Enregistrement W1501782201 · doi:10.5751/es-03845-160108

Management Conflicts in Cameroonian Community Forests

2011· article· en· W1501782201 sur OpenAlexvenueno aff
Driss Ezzine de Blas, Manuel Ruíz-Pérez, Cédric Vermeulen

Notice bibliographique

RevueEcology and Society · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental resource managementForest managementGeographyEnvironmental planningAgroforestryBusinessForestryEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Cameroonian community forests were designed and implemented to meet the general objectives of forest management decentralization for democratic and community management.The spread of management conflicts all over the country has shown that these broad expectations have not been met.We describe conflicts occurring in 20 community forests by types of actors and processes involved.We argue that a number of external (community vs. external actors) and internal (intra-community) conflicts are part of the causes blocking the expected outcome of Cameroonian community forests, fostering bad governance and loss of confidence.Rent appropriation and control of forest resources appear as systemic or generalized conflicts.While community forest support projects have tended to focus on capacity building activities, less direct attention has been given to these systemic problems.We conclude that some factors like appropriate leadership, and spending of logging receipts on collective benefits (direct and indirect) are needed to minimize conflicts.Government and development agencies should concentrate efforts on designing concrete tools for improving financial transparency while privileging communities with credible leaders.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0060,003
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,024
Tête enseignante GPT0,203
Écart entre enseignants0,179 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations66
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology and SocietyMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207