Socio-economic status of boreal communities in Canada
Notice bibliographique
Résumé
The boreal forest region contains nearly 20 per cent of the world's forest resources. Canada contains ∼30 per cent of the world's boreal forest and the future of Canada's boreal region has been the subject of spirited debate, with some advocating more extensive and intensive harvest, while others argue for increased protection. Since the boreal region lags behind Canada as a whole on most indicators of socio-economic status, arguments for expanded harvest and for increased protection invoke the need to sustain human communities. To provide context for these discussions, we use Census of Canada data to examine the relationship between forest dependence and socio-economic status in the boreal region, and whether this relationship has changed over time. Controlling for other forms of economic development and place-specific characteristics, we find mixed results of forest dependence on socio-economic status. The forest industry plays a relatively small role in direct employment and labour income. Forest dependence is associated with increased income (especially in the lumber and pulp sectors), but relatively unstable employment. Examining the trend data, the forest industry appeared to have the greatest positive impact on socio-economic status in 1996, with a subsequent decline in 2001. Results signal a need for multi-faceted policy development associated with intensive management zones for industrial expansion and additional protected areas to support, in part, the maintenance of traditional activities such as trapping and fishing.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».