MétaCan
Menu
Retour à la cohorte
Enregistrement W2263733877 · doi:10.1111/ropr.12150

Diversifying Nature Protection: Evaluating the Changing Tools for Forest Protection in <scp>C</scp>anada and <scp>N</scp>orway

2015· article· en· W2263733877 sur OpenAlexafffundabout
Graeme Auld, Lars H. Gulbrandsen

Notice bibliographique

RevueReview of Policy Research · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensCarleton University
Organismes subventionnairesKlima- og miljødepartementetNorsk institutt for naturforskningNature Conservancy of CanadaNorges ForskningsrådNature Conservancy
Mots-clésRepresentativeness heuristicData Protection Act 1998LegislationBusinessGovernment (linguistics)Certified woodDiversity (politics)Environmental resource managementCertificationEnvironmental planningEnvironmental protectionPolitical scienceEconomicsGeographyLaw

Résumé

récupéré en direct d'OpenAlex

Abstract Governments increasingly struggle to protect representative nature types and ecological diversity within their territories only via the instrument of publicly designated protected areas. This article examines the rise of voluntary conservation and certification (i.e., private conservation) as tools for forest protection in Norway and Canada. We contrast the differing potential of these private conservation tools with protection through government legislation and regulation using four evaluative criteria: the representativeness of protected areas, the strength of protection, the longevity of protection, and the information generated through protection. We find that private conservation tools can match the strength of legal protection and help to dispel conflict, but that private tools create protection that is more likely to be reversed in the future. However, we also show that voluntary private conservation can become public protection, which highlights the importance of examining different paths toward secure and long‐lasting protection.

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)0,034
score de la tête « metaresearch » (Gemma)0,048
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,443
Score d'incertitude au seuil0,892

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,048
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0040,007
Communication savante0,0060,004
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
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 Opus0,182
Tête enseignante GPT0,422
Écart entre enseignants0,240 · 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

Citations7
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueReview of Policy ResearchMême sujetForest Management and PolicyTravaux en français237 207