MétaCan
Menu
Retour à la cohorte
Enregistrement W2053704570 · doi:10.1111/j.1467-8306.2006.00515.x

Land Tenure and the “Evidence Landscape” in Developing Countries

2006· article· en· W2053704570 sur OpenAlexaff
Jon D. Unruh

Notice bibliographique

RevueAnnals of the Association of American Geographers · 2006
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLand Rights and Reforms
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésLand tenureGeographyEconomic geographyEnvironmental planningEnvironmental resource managementEconomicsAgricultureArchaeology

Résumé

récupéré en direct d'OpenAlex

The utility of landscape as an important component of cultural geography continues to evolve. This article demonstrates the utility of the landscape concept in reconciling informal and formal land rights. Land tenure has proved to be one of the most perplexing issues in the developing world. The inability of formal and customary property rights systems to effectively connect in ways that provide for tenure security creates dilemmas not easily overcome. Typical manifestations of this incompatibility involve problems relating to land claims and disputes, which rest upon proving access and ownership rights. Such proof is at the heart of both the capital-poverty-property rights argument and the rights recognition approach, as well as noncommodity, identity-based, and service attachments to lands. This article argues that evidence proving (attesting to) rights to land is an important but overlooked domain of interaction for formal and customary tenure systems and is where opportunity resides for a potential contribution to effective cooperation between tenure regimes. Moreover, this evidence is embedded in the same landscapes that are and have been of interest to cultural geography. This “evidence landscape” is examined in the context of its utility and connection to customary tenure and formal law and how it plays a role in attending to tenurial incompatibility in three cases: Mozambique, East Timor, and the Zuni of the United States.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,999
Score d'incertitude au seuil0,114

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0030,006
Communication savante0,0030,001
Science ouverte0,0000,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,012
Tête enseignante GPT0,229
Écart entre enseignants0,217 · 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.

Devis d'étudeQualitatif
DomaineMéthodes
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
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of the Association of American GeographersMême sujetLand Rights and ReformsTravaux en français237 207