MétaCan
Menu
Retour à la cohorte
Enregistrement W1592004965 · doi:10.22230/jem.2007v8n2a510

A review and synthesis of social indicators for sustainable forest management

2007· review· en· W1592004965 sur OpenAlexaff
Howard W. Harshaw, Stephen R.J. Sheppard, John L. Lewis

Notice bibliographique

RevueJournal of Ecosystems and Management · 2007
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensUniversity of WaterlooUniversity of British Columbia
Organismes subventionnairesU.S. Forest Service
Mots-clésSustainabilityEnvironmental resource managementForest managementBusinessCorporate governanceSustainable forest managementEnvironmental planningEnvironmental economicsEconomicsEcologyGeography

Résumé

récupéré en direct d'OpenAlex

This review synthesizes some of the main themes of social sustainability indicators for forest management, and addresses conceptual categories, issues, and limitations associated with the use of social indicators. Socio-cultural values and conditions associated with quality of life, public access to non-market benefits and resources, governance, and community stability are discussed. The paper illustrates how a selection of social indicators has been prescribed and used within various sustainable forest management (SFM) systems of criteria and indicators (c&I) at different scales from the international to the local in British Columbia. Social indicators are, in general, weakly developed relative to ecological and economic indicators. Standard c&I systems often omit crucial social indicators, or include them without specific definitions or measurable benchmarks. Recommendations are made for future research that examines the fundamental nature of social indicators and their underlying cause-and-effect relationships, and supports improved methods and tools for integrating social indicators into forest management and decision making. The role of forestry in contributing to broader social indicators, such as sense of place and community cohesion, needs to be clarified.

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)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0100,018
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,019
Tête enseignante GPT0,296
Écart entre enseignants0,277 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations26
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Ecosystems and ManagementMême sujetForest Management and PolicyTravaux en français237 207