MétaCan
Menu
Retour à la cohorte
Enregistrement W2510835071 · doi:10.5539/jms.v6n3p25

Community Use Zone (CUZ) Model and Its Outcome in Malaysia Case Study from Crocker Range Park, Sabah

2016· article· en· W2510835071 sur OpenAlexvenueno aff
Peter Voo, Abrar Juhar Mohammed, Makoto Inoue

Notice bibliographique

RevueJournal of Management and Sustainability · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Palm Production and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesJapan Society for the Promotion of ScienceUniversity of Tokyo
Mots-clésLivelihoodCorporate governanceBusinessOutcome (game theory)ExternalityLocal communityCommunity participationForest managementOrder (exchange)GeographyForestryAgroforestrySocioeconomicsEcologyEconomicsFinanceEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

<p>The Sabah Parks has been experimenting with a new approach to forest governance, namely Community Use Zone (CUZ), in order to safeguard the forests from ongoing degradation while simultaneously providing opportunities for the affected communities to improve their living conditions and livelihoods. Despite the ongoing discourse to expand this approach, there is limited systematic study to understand the changes in governance as well as linking it to forest and livelihood outcomes. By conducting structured and semi-structured questionnaire interview to CUZ and non-CUZ community members as well as Crocker Range Park staffs, this study clarifies the changes in involvement of local people in rule making and implementation of diverse forest management activities and governance decisions as well as forest and livelihood outcomes from CUZ. The result showed that local people participation in rule making and implementation is enhanced after implementation of CUZ. While the forest outcome remains mixed, the CUZ has brought positive impact to the livelihood of the participants. CUZ also has positive externality to neighboring community in terms of their attitude towards the program.</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)0,003
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 enseignants0,028
Score d'incertitude au seuil0,561

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
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 savante0,0000,001
Science ouverte0,0000,001
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 Opus0,031
Tête enseignante GPT0,280
Écart entre enseignants0,249 · 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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management and SustainabilityMême sujetOil Palm Production and SustainabilityTravaux en français237 207