Putting community forestry into place: implementation and conflict
Notice bibliographique
Résumé
THE IMPLEMENTATION CHALLENGE If a community decides to create a community forest, what comes next? Even arriving at the community forestry decision can be contentious and difficult, but making it a reality poses a range of challenges. At one time there was an assumption that once a policy decision was made, its execution became a simple and mundane affair that did not merit significant attention (Hyder 1984). When it came to program or policy efficacy, it was the quality of the idea, or the correctness of the ideology which gave birth to ideas, that mattered. Policy implementation followed naturally; it was an ordinary process that would have little impact on the success of the policy concept. It is fair to say that some institutions still approach the policy process under this assumption. The understanding of governance and modern government has become more experienced, and a substantial body of research on evaluation has emerged and slowly matured. Audit techniques have also progressed away from an obsession with numbers, and now incorporate qualitative tools that seek to assess efficacy and policy impacts and to understand the social–cultural, contextual and institutional factors that affect policy success. While ideas certainly matter, when it comes to putting them into practice even the best can go awry. In the policy process the implementation stage is without doubt integral to the successful application, and in some respects to the very practicability, of ideas.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,048 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,018 | 0,038 |
| Communication savante | 0,021 | 0,019 |
| Science ouverte | 0,006 | 0,023 |
| Intégrité de la recherche | 0,010 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».