MétaCan
Menu
Retour à la cohorte
Enregistrement W2236375846 · doi:10.5751/es-08092-210102

Local perceptions as a guide for the sustainable management of natural resources: empirical evidence from a small-scale society in Bolivian Amazonia

2016· article· en· W2236375846 sur OpenAlexvenueno aff
Álvaro Fernández‐Llamazares, Isabel Díaz‐Reviriego, Maximilien Guèze, Mar Cabeza, Aili Pyhälä, Victoria Reyes‐García

Notice bibliographique

RevueEcology and Society · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesKansainvälisen Liikkuvuuden ja Yhteistyön KeskusAcademy of FinlandEuropean Commission
Mots-clésNatural resourceNatural resource managementEnvironmental resource managementIndigenousSustainable managementPerceptionScale (ratio)Empirical evidenceAmazon rainforestGeographyEcosystem managementNatural resource economicsSustainabilityEcologyEconomicsEcosystemPsychology

Résumé

récupéré en direct d'OpenAlex

are highly contingent upon the social, economic and cultural conditions within which the Tsimane' have experienced changes in the availability of the resource, thus giving a better reflection of the historical, rather than of the ecological, dimensions of the changes undergone. While local perceptions might fall short in precision when scrutinized from an ecological standpoint, their importance in informing sustainable management should not be underestimated. Our findings show that most of the harvesting and management actions that the Tsimane' undertake are, at least partially, shaped by their local perceptions. This paper contributes to the broader literature on natural resource management by providing empirical evidence of the critical role of local perceptions in promoting collective responses for the sustainable management of natural resources.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,076
Score d'incertitude au seuil0,151

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,005
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
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 Opus0,017
Tête enseignante GPT0,246
Écart entre enseignants0,229 · 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

Citations80
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology and SocietyMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207