MétaCan
Menu
Retour à la cohorte
Enregistrement W2509362568 · doi:10.5539/jms.v6n3p79

Humanitarian Demining and Sustainable Land Management in Post-Conflict Settings in Sri Lanka: Literature Review

2016· article· en· W2509362568 sur OpenAlexvenueno aff
Harshi Gunawardana, Dammika A Tantrigoda, U. Anura Kumara

Notice bibliographique

RevueJournal of Management and Sustainability · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSri lankaEnvironmental planningSustainable developmentLand degradationSustainable managementSustainable land managementLand managementMine actionLand useEnvironmental resource managementBusinessPolitical scienceGeographyEngineeringSustainabilityEnvironmental scienceCivil engineeringEcology

Résumé

récupéré en direct d'OpenAlex

<p>Systematic humanitarian demining carried out with care is an essential prerequisite for sustainable land management in post conflict settings. Degradation of land and pollution of water, soil and vegetation, as well as poisonous gas emissions that may even contribute to climate change, can be reduced significantly by humanitarian demining practices. Such practices simultaneously conserve natural resources and increase yields which results to sustainable land management. Mine Risk Education which is a major component of humanitarian demining, will have a lasting impact on people’s knowledge, attitudes and practices related to landmines making a positive contribution towards sustainable land management. This paper utilizes research publications from refereed journals and mine action authorities as well as ground information using the systematic literature review (SLR) method. The study investigates relations between humanitarian demining and sustainable land management in post conflict settings with a classic example from North East Sri Lanka. The practical implications for demining operators are that they can implement the strategies to improve the prevailing sustainable land management conditions of the communities in Sri Lanka and elsewhere.</p>

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,531
Score d'incertitude au seuil0,603

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,004
Tête enseignante GPT0,212
Écart entre enseignants0,208 · 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

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management and SustainabilityMême sujetMining and Resource ManagementTravaux en français237 207