MétaCan
Menu
Retour à la cohorte
Enregistrement W2107742627 · doi:10.1111/j.1523-1739.2007.00751.x

Costa Rica's Payment for Environmental Services Program: Intention, Implementation, and Impact

2007· article· en· W2107742627 sur OpenAlexafffund
Arturo Sánchez‐Azofeifa, Alexander Pfaff, Juan Robalino, Judson Boomhower

Notice bibliographique

RevueConservation Biology · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésDeforestation (computer science)PaymentEcosystem servicesGeographyBusinessLand useNatural resource economicsInstitutionalisationDistribution (mathematics)EcosystemEnvironmental resource managementEnvironmental planningEconomicsEcologyPolitical scienceFinance

Résumé

récupéré en direct d'OpenAlex

We evaluated the intention, implementation, and impact of Costa Rica's program of payments for environmental services (PSA), which was established in the late 1990s. Payments are given to private landowners who own land in forest areas in recognition of the ecosystem services their land provides. To characterize the distribution of PSA in Costa Rica, we combined remote sensing with geographic information system databases and then used econometrics to explore the impacts of payments on deforestation. Payments were distributed broadly across ecological and socioeconomic gradients, but the 1997-2000 deforestation rate was not significantly lower in areas that received payments. Other successful Costa Rican conservation policies, including those prior to the PSA program, may explain the current reduction in deforestation rates. The PSA program is a major advance in the global institutionalization of ecosystem investments because few, if any, other countries have such a conservation history and because much can be learned from Costa Rica's experiences.

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)0,012
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,083
Score d'incertitude au seuil0,166

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,014
Tête enseignante GPT0,291
Écart entre enseignants0,278 · 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'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

Citations331
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueConservation BiologyMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207