MétaCan
Menu
Retour à la cohorte
Enregistrement W2169476977 · doi:10.5539/enrr.v1n1p106

Assessing Community-based Natural Resources Management at Lake Naivasha, Kenya

2011· article· en· W2169476977 sur OpenAlexvenueno aff
Usman Isyaku, Murtala Chindo, Mukhtar Ibrahim

Notice bibliographique

RevueEnvironment and Natural Resources Research · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Biodiversity
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Leicester
Mots-clésWetlandRamsar siteNatural resourceEnvironmental resource managementNatural resource managementEnvironmental planningLake ecosystemSustainable managementCitizen journalismWater resourcesBusinessWater resource managementEnvironmental scienceEcosystemSustainabilityEcologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Lake Naivasha became a focus of international attention when it attained a Ramsar status in 1995. The lake is the major source of freshwater for the Kenya’s booming horticultural industry. There is growing evidence of excessive water abstraction to meet both the economic and social needs of communities living around the lake. Recently its management and conservation has been devolved to the local communities in a bottom-up participatory approach to replace the traditional top-down management strategy. This paper assesses the role of Community-Based Natural Resources Management (CBNRM) in achieving sustainable water management at Lake Naivasha. The results showed a diversity of stakeholders with different interests competing amongst themselves for water access which is affecting both the lake hydrology and the surrounding wetland ecosystems. Due to human activities, the effects of climate change, and the lack the capacity of various stakeholders to finance and follow through with conservation projects, the lake water has been drying over the years.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,279
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,066
Tête enseignante GPT0,282
Écart entre enseignants0,217 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations7
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Natural Resources ResearchMême sujetAquatic Ecosystems and BiodiversityTravaux en français237 207