MétaCan
Menu
Retour à la cohorte
Enregistrement W2116356075 · doi:10.1139/cjfr-2013-0405

Social contracts and community forestry: how can we design forest policies and tenure arrangements to generate local benefits?

2014· article· en· W2116356075 sur OpenAlexaffvenueabout
Jordan Benner, Ken Lertzman, Evelyn Pinkerton

Notice bibliographique

RevueCanadian Journal of Forest Research · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésBusinessForest managementLocal communityCommunity forestrySocial benefitsProcess (computing)Public policyEnvironmental resource managementForestryEconomicsPolitical scienceGeographyEconomic growth

Résumé

récupéré en direct d'OpenAlex

There is widespread debate about the best strategies to provide local benefits in forest management. We evaluate recent policy changes in British Columbia, Canada, focussing on attempts to create local benefits from public forests through a community forestry program and broad policy changes in 2003 that removed obligations of tenure holders to process timber in areas near where timber was harvested. These obligations were intended to retain benefits of milling jobs locally and were considered part of a “social contract”. We evaluate these policy changes by asking two specific questions. (1) Do community forest tenures provide more local benefits than major industrial tenures? (2) How have the policy changes of 2003 affected the patterns of fibre flow over the period to 2008? We evaluate these questions through qualitative research and a quantitative fibre flow analysis using a large time-series dataset. Community forests as a group performed better than major industrial tenures in delivering local benefits as we defined them. However, large variation among individual community forests is evident, highlighting the disparate strategies used by communities to promote local benefits. Our fibre flow analysis did not reveal major changes following 2003, suggesting that broader fibre flow trends mask more local perturbations.

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)0,013
score de la tête « metaresearch » (Gemma)0,037
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,895
Score d'incertitude au seuil0,209

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,037
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0060,014
Communication savante0,0090,011
Science ouverte0,0020,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,080
Tête enseignante GPT0,307
Écart entre enseignants0,227 · 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

Citations14
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Management and PolicyTravaux en français237 207