MétaCan
Menu
Retour à la cohorte
Enregistrement W1598121441 · doi:10.17528/cifor/001258

Rehabilitation of degraded forests to improve livelihoods of poor farmers in South China

2003· book· en· W1598121441 sur OpenAlexfundno aff
Liu Dachang, ed.

Notice bibliographique

RevueCenter for International Forestry Research (CIFOR) eBooks · 2003
Typebook
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesChinese Academy of ForestryInternational Development Research Centre
Mots-clésLivelihoodChinaRehabilitationBusinessGeographyAgroforestryEnvironmental planningForestryEnvironmental scienceAgricultureMedicinePhysical therapyArchaeology

Résumé

récupéré en direct d'OpenAlex

Degradation of forests and forest lands is a problem in many parts of the world and is particularly serious in south China. Chinese forest policy reforms in recent years have enabled rural households to generate income from forests, to own the trees they have planted, and have offered new opportunities to manage forests sustainably. Rehabilitation of degraded forests and forest lands is one of the possible pathways to improve livelihoods of poor farmers and others in the rural communities. This report documents the results of four case studies in south China in which farmers, local officials and ressearchers anlysed the problems of degraded forests and forest lands, and formulated options for their solution. Opportunities to improve forest management and people's livelihoods are dependent on overcoming a range of biophysical, socioeconomic and political constraints. Action research was used to implement and test some of the options identified. The experience and analysis should be of value for researchers, resource managers and government officials in China and elsewhere to address poverty and environmental concerns through a multidisciplinary, participatory and holistic approach.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,303
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,031
Tête enseignante GPT0,294
Écart entre enseignants0,263 · 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.

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

Citations8
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCenter for International Forestry Research (CIFOR) eBooksMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207