MétaCan
Menu
Retour à la cohorte
Enregistrement W1985068816 · doi:10.1371/journal.pone.0119881

How Effective Are Biodiversity Conservation Payments in Mexico?

2015· article· en· W1985068816 sur OpenAlexaff
Sébastien Costedoat, Esteve Corbera, Driss Ezzine‐de‐Blas, Jordi Honey‐Rosés, Kathy Baylis, Miguel Santiago

Notice bibliographique

RevuePLoS ONE · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Institute of Food and AgricultureAgence Nationale de la RechercheBiodiversa+Comisión Nacional ForestalU.S. Department of Agriculture
Mots-clésAdditionalityIncentivePaymentContext (archaeology)Deforestation (computer science)Counterfactual thinkingPropensity score matchingBiodiversityDifference in differencesNatural resource economicsPayment for ecosystem servicesBusinessGeographyEnvironmental resource managementPublic economicsEcosystem servicesEconomicsEcologyEcosystemEconometricsBiologyFinanceStatistics

Résumé

récupéré en direct d'OpenAlex

We assess the additional forest cover protected by 13 rural communities located in the southern state of Chiapas, Mexico, as a result of the economic incentives received through the country's national program of payments for biodiversity conservation. We use spatially explicit data at the intra-community level to define a credible counterfactual of conservation outcomes. We use covariate-matching specifications associated with spatially explicit variables and difference-in-difference estimators to determine the treatment effect. We estimate that the additional conservation represents between 12 and 14.7 percent of forest area enrolled in the program in comparison to control areas. Despite this high degree of additionality, we also observe lack of compliance in some plots participating in the PES program. This lack of compliance casts doubt on the ability of payments alone to guarantee long-term additionality in context of high deforestation rates, even with an augmented program budget or extension of participation to communities not yet enrolled.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,582

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 technologies0,0000,000
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 Opus0,053
Tête enseignante GPT0,188
Écart entre enseignants0,135 · 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'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

Citations132
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207