MétaCan
Menu
Retour à la cohorte
Enregistrement W1988672623 · doi:10.3197/096734000129342361

Deforestation, Erosion, and Fire: Degradation Myths in the Environmental History of Madagascar

2000· article· en· W1988672623 sur OpenAlexaff
Christian A. Kull

Notice bibliographique

RevueEnvironment and History · 2000
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGlobal Maritime and Colonial Histories
Établissements canadiensMcGill University
Organismes subventionnairesU.S. Environmental Protection Agency
Mots-clésDeforestation (computer science)Environmental degradationPoliticsRhetoricMythologyPolitical ecologyGeographyBlamePopulationNarrativePovertyPolitical scienceHistoryEcologySociologyLaw

Résumé

récupéré en direct d'OpenAlex

Abstract Mention of the island nation of Madagascar conjures up images of exotic nature, rampant deforestation, and destructive erosion. Popular descriptions of the island frequently include phrases such as 'ecological mayhem' or 'barren landscape'. This paper compares this common wisdom and conservation rhetoric about the environmental history of Madagascar with the results of recent research by paleoecologists and others. Deforestation and erosion, while very real trends, are exaggerated due to mistaken ideas about pre-settlement forest extent and the eye-catching red soils and erosion gullies. The role of fire, principal tool of landscape change and pasture maintenance, is unnecessarily demonised. Blame is placed on the Malagasy people and problems of poverty and population growth, ignoring economic interests, historical political contexts, community politics, and the potential of the people to manage their resources positively. Finally, drawing from the recent school of thought that recognises the role of narratives, discourses, and representations in the politics of conservation, this paper concludes by illustrating the political nature of the oft-repeated story of environmental degradation in Madagascar.

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)0,002
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 enseignants0,026
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0100,024
Communication savante0,0060,003
Science ouverte0,0000,004
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 Opus0,008
Tête enseignante GPT0,186
Écart entre enseignants0,178 · 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

Citations173
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and HistoryMême sujetGlobal Maritime and Colonial HistoriesTravaux en français237 207