MétaCan
Menu
Retour à la cohorte
Enregistrement W2255622219

Formation and Function of Social Capital for Forest Resource Management and the Improved Livelihoods of Indigenous People in Bangladesh

2011· article· en· W2255622219 sur OpenAlexvenueno aff
Tapan Kumar Nath, Makoto Inoue, Jules Pretty

Notice bibliographique

RevueJournal of rural and community development · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocial capitalLivelihoodIndigenousEconomic growthSocial engagementForest managementBusinessGovernment (linguistics)Citizen journalismPolitical scienceGeographyEconomicsForestryAgricultureEcology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper examines the status and formation of social capital, and its contribution to forest resource management and to the livelihoods of Bangladeshi indigenous ethnic groups in these forest environments. We draw on empirical data from three villages associated with two participatory forestry projects. Components of social capital were associated with both enhanced livelihood of villagers and improved forest conditions in terms of area, stock, growth and diversity. Where the project (e.g. the Upland Settlement Project) authority failed to build up social capital, non-government organizations (NGOs) stepped in to play a pivotal role in the formation of social capital among the villagers. Even though NGOs created bonding social capital, villagers, however, further expanded their networks through the formation of bridging social capital that helped them to capture several local government social development services. High social capital was found to be related to better forest condition. Recommendations are made to involve NGOs along with other stakeholders for greater success in such participatory forestry projects. Keywords: social capital, forest resource management, forest conversation, indigenous ethnic groups, participatory forestry projects

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,443
Score d'incertitude au seuil0,239

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,178
Écart entre enseignants0,165 · 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 tête enseignante, 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

Citations28
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of rural and community developmentMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207