MétaCan
Menu
Retour à la cohorte
Enregistrement W2008671291 · doi:10.1068/a38217

Uneven Environmental Management: A Canadian Comparative Political Ecology

2007· article· en· W2008671291 sur OpenAlexaffabout
Maureen G. Reed

Notice bibliographique

RevueEnvironment and Planning A Economy and Space · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésStewardship (theology)Valuation (finance)Corporate governancePoliticsEnvironmental governanceEnvironmental resource managementBiosphereWork (physics)Political ecologyProperty managementEnvironmental planningBusinessPolitical scienceEcologyGeographyEconomicsEngineering

Résumé

récupéré en direct d'OpenAlex

Contemporary researchers of environmental management argue for community-based approaches in which local circumstances, skills, and concerns are respected. However, relying on local capacity opens up the possibility of establishing highly uneven management practices. The purpose of this paper is to explore the roots and effects of uneven environmental management. I develop a conceptual framework that identifies key elements of regional environmental-management regimes and then use it to compare experiences in two areas designated as Canadian biosphere reserves in 2000: Clayoquot Sound, BC, and Redberry Lake, SK. Analysis reveals that differences in property instruments and civic sectors affect the institutional capacity of each locality, opening the door for private forms of environmental governance in Redberry Lake. To explain how property instruments and civic actors operate, I illustrate how processes associated with property exchange, reterritorialization, valuation, and planning work together to produce a relatively robust and public regime at Clayoquot Sound and a more private form of stewardship at Redberry Lake. In consequence, uneven environmental-management practices may take root and reinforce social inequalities across the two regions.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,489
Score d'incertitude au seuil1,000

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)0,0020,001

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 Opus0,010
Tête enseignante GPT0,216
Écart entre enseignants0,206 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations43
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironment and Planning A Economy and SpaceMême sujetForest Management and PolicyTravaux en français237 207