MétaCan
Menu
Retour à la cohorte
Enregistrement W2143050676 · doi:10.1111/j.1477-8947.2005.00129.x

Migrant Land Rights Reception and ‘Clearing To Claim’ in Sub-Saharan Africa: A Deforestation Example From Southern Zambia

2005· article· en· W2143050676 sur OpenAlexaff
Jon D. Unruh, Lisa Cligget, Rod Hay

Notice bibliographique

RevueNatural Resources Forum · 2005
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLand Rights and Reforms
Établissements canadiensMcGill University
Organismes subventionnairesNational Science Foundation
Mots-clésClearingDeforestation (computer science)Land lawHuman rightsLand tenureGeographyDevelopment economicsPopulationResource (disambiguation)Economic growthPolitical scienceNatural resource economicsBusinessEconomicsSociologyAgricultureLaw

Résumé

récupéré en direct d'OpenAlex

The relationship between migration and deforestation in the developing world continues to receive significant attention. However beyond direct population increase, the precise mechanisms that operate within the intersection of migrant-host land rights remain largely unexamined. Where migrants are provided with land and rights by the state and/or local communities, how such rights are perceived by the migrants is of primary importance in their interaction with land resources, and in aggregate it impacts the development opportunities and environmental repercussions of migration. The authors analyze the operative aspects of land rights reception (as opposed to provision) by migrant populations, and the relationship between this reception and deforestation. The article examines a case in Zambia to analyze how tenurial constructs, emerging from the way rights are perceived by migrants, lead to the continued clearing of areas much larger than needed for cultivation, even when the arrangement appears counter-productive in terms of land rights provision and labour allocation. While valuable policy efforts have focused on providing resource rights to migrants, how such rights are received and the relationship of this reception to resource management needs greater policy attention.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,136
Score d'incertitude au seuil0,271

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0160,006
Communication savante0,0040,002
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,012
Tête enseignante GPT0,196
Écart entre enseignants0,184 · 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

Citations46
Publié2005
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueNatural Resources ForumMême sujetLand Rights and ReformsTravaux en français237 207