MétaCan
Menu
Retour à la cohorte
Enregistrement W2066349955 · doi:10.2112/si73-134.1

The Relationship between Marine Biodiversity Conservation and Poverty Alleviation in the Strategies of Rural Development in China

2015· article· en· W2066349955 sur OpenAlexaff
Jinyu Shen, Xiao Han, Yilei Hou, Jing Wu, Yali Wen

Notice bibliographique

RevueJournal of Coastal Research · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal and Marine Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesOak Ridge National Laboratory
Mots-clésPovertyChinaBiodiversitySustainable developmentEnvironmental planningBiodiversity conservationRural povertyEnvironmental resource managementBusinessEconomic growthGeographyEcologyEconomicsBiology

Résumé

récupéré en direct d'OpenAlex

Shen, J.; Han, X.; Hou, Y.; Wu, J., and Wen, Y., 2015. The relationship between marine biodiversity conservation and poverty alleviation in the strategies of rural development in China.Biodiversity conservation and sustainable management of ecosystems should be included in eradicating poverty and achieving the internationally agreed goals related strategies. This study demonstrated the primary content of the Outline of Development-oriented Poverty Reduction for China's Rural Areas (DPRCRA). By employing the Participatory Rural Assessment approach, this study assesses the effectiveness of DPRCRA in improving the ecology, socio-economic conditions and biodiversity conservation, elaborating on the opportunities and challenges entailed in the outline strategy. Results indicated that the relationship between them was Poverty escalation cycle and Poverty alleviation cycle. The paper also discusses the role of developing appropriate institutional mechanisms to integrate conservation and development efforts from practitioners' perspective, to enable poverty alleviation and marine biodiversity conservation to succeed, and proposes a set of guiding suggestions for making policies on rural capacity building and enhancing compensation mechanism.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,555

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
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 ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,105
Tête enseignante GPT0,327
Écart entre enseignants0,222 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Coastal ResearchMême sujetCoastal and Marine ManagementTravaux en français237 207