MétaCan
Menu
Retour à la cohorte
Enregistrement W2065752419 · doi:10.5539/sar.v4n1p41

Accommodating the Interest of Local Community in Resolving Conflicts: A Case in Bentayan’s Wildlife Area, South Sumatra, Indonesia

2014· article· en· W2065752419 sur OpenAlexvenueno aff
Didi Tahyudin, Ridha Taqwa, H. P. Dadang, Alfitri Alfitri

Notice bibliographique

RevueSustainable Agriculture Research · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Palm Production and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWildlifeNegotiationNatural resourceAgency (philosophy)Government (linguistics)Wildlife conservationEnvironmental resource managementGeographyNatural (archaeology)Environmental planningWildlife managementPolitical scienceEcologySociologySocial scienceEconomics

Résumé

récupéré en direct d'OpenAlex

The developments of forest conservation Wildlife (SM) in Bentayan as flora and fauna ecology has created a conflict within the society and has negatively affected the wellbeing of the community in the area. The communities have used a lot of natural resources for their life. A development of Bentayan’s Wildlife Centre has been opposed by the community as the usage of various natural resources have been restricted after the development of the wildlife centre started. In order to solve the conflicts, many strategies have been employed. However, the expected outcome has not yet been achieved. Therefore, the current study provides a conflict resolution model approach to accommodate the interests of all parties, both society and government through the Natural Resources Conservation Center. The model was developed from narrative data that was collected through series of dialogues and negotiation process with both parties (community and agency/Centre) involving stakeholders and community members. This proposed model can be used as a framework for managing forestry and wildlife centre.

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)0,004
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,024
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0150,007
Communication savante0,0060,004
Science ouverte0,0020,005
Intégrité de la recherche0,0020,003
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 Opus0,048
Tête enseignante GPT0,310
Écart entre enseignants0,262 · 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

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetOil Palm Production and SustainabilityTravaux en français237 207