MétaCan
Menu
Retour à la cohorte
Enregistrement W1969823295 · doi:10.1139/x2012-113

Plantation forest leases: experiences of New Zealand Māori

2012· article· en· W1969823295 sur OpenAlexvenueno aff
Stephanie Rotarangi

Notice bibliographique

RevueCanadian Journal of Forest Research · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Science and Innovation, New Zealand
Mots-clésForest managementIndigenousLeaseCorporate governanceCommunity forestryStakeholderLand tenureGeographyAgroforestryEnvironmental resource managementLegislationLand useBusinessForestryPolitical scienceEcologyAgricultureEconomics

Résumé

récupéré en direct d'OpenAlex

Numerous scholars agree that to integrate stakeholder demands into forest management is the central challenge facing forestry science. A necessary step is to translate public views and expectations into forest management techniques. This study uses document analysis and in-depth interviews to understand the values and expectations of New Zealand’s indigenous people (Māori) who have exotic species forests planted on their ancestral land. The two case studies involve long-term forest lease arrangements where Māori families are the collective owners of the land but the forest is managed by third parties. The results suggest that the landowners’ overall view of forestry is more critically influenced by political frameworks than by forest management techniques. The structures of governance and tenure and the legislation affecting the land are viewed as complicated and constraining. However, after decades of experience, Māori have successfully incorporated plantation forests into their sense of people and place. Despite difficulties and disappointments, the land use of forestry and forest regimes are, overall, viewed favourably by the landowners, consistent with environmental considerations and their culture and values.

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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,245
Score d'incertitude au seuil0,487

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,004
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,055
Tête enseignante GPT0,330
Écart entre enseignants0,275 · 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'étudeQualitatif
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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Management and PolicyTravaux en français237 207