MétaCan
Menu
Retour à la cohorte
Enregistrement W2035160981 · doi:10.3152/146155107x217299

Achieving meaningful public participation in the environmental assessment of hydro development: case studies from Chamoli District, Uttarakhand, India

2007· article· en· W2035160981 sur OpenAlexaff
Alan P. Diduck, A. John Sinclair, Dinesh Pratap, Glen Hostetler

Notice bibliographique

RevueImpact Assessment and Project Appraisal · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental and Social Impact Assessments
Établissements canadiensUniversity of ManitobaUniversity of Winnipeg
Organismes subventionnairesnon disponible
Mots-clésPublic participationEnvironmental planningGovernment (linguistics)Community participationLocal governmentState (computer science)Scale (ratio)State governmentPolitical scienceBusinessEnvironmental resource managementEconomic growthPublic administrationGeographySocioeconomicsSociologyEconomics

Résumé

récupéré en direct d'OpenAlex

Uttarakhand, India has great potential for hydro development because of its mountainous environment and fast flowing rivers. While growth in the hydro sector could facilitate industrial development and improve social well-being in the state, it could also have severe negative impacts on social-ecological systems. Using a qualitative methodology involving a review of documents, field observations, and over 100 interviews with government, industry officials and community members, the research investigated two large hydro projects in the Chamoli District. The results show that public participation in project planning and implementation did not exemplify characteristics of meaningful involvement. The participation processes would have been improved with greater opportunities for advanced, decentralised, and more active local involvement. The conclusion is that the central and state governments should play a more assertive role in regulating large-scale hydro development in Uttarakhand, to facilitate meaningful public participation and to protect local environmental, economic and social interests.

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)0,004
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 enseignants0,048
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0070,003
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,046
Tête enseignante GPT0,427
Écart entre enseignants0,381 · 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

Citations57
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueImpact Assessment and Project AppraisalMême sujetEnvironmental and Social Impact AssessmentsTravaux en français237 207