MétaCan
Menu
Retour à la cohorte
Enregistrement W2531438693 · doi:10.5539/enrr.v6n4p36

Social and Economic Impacts of Community Managed Reforestation and Natural Regeneration of Forestry Development, the Case of Humbo District, Ethiopia

2016· article· en· W2531438693 sur OpenAlexvenueno aff
Asamere Wolde, Tadesse Amsalu, Molla Mekonnen Alemu

Notice bibliographique

RevueEnvironment and Natural Resources Research · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRangeland Management and Livestock Ecology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReforestationRespondentSustainabilityCommunity forestryGeographyEnvironmental planningForestryBusinessSocioeconomicsForest managementAgroforestryEnvironmental protectionEnvironmental resource managementPolitical scienceEnvironmental science

Résumé

récupéré en direct d'OpenAlex

This study was undertaken in Humbo District, Ethiopia. The objective of this study is to assess the effects of reforestation initiatives on the socio-economy of the rural households brought by the existence of the Community Managed Natural Regeneration (CMNR) project. Four Kebeles (administration units in a district) were selected for the study, based on their geographical location. One Kebele Administration (KAs) from four corners (North, South, East and West) of the closure area was selected. A total of 203 households were involved in the survey. Data were generated through questionnaire, FGDs, KIIs, and physical observation. The study depicted that respondent households were participating in the designation process and subsequent management of the Humbo CMNR project which in fact is considered to be good indicator for its sustainability. They also have good perception on planting trees, reforestation programs and on the ownership of forests as well. It was noted that in some of the surveyed KAs, drought, water constraints and strong wind are the main challenges of the communities. There are available institutional setups and bylaws to manage and protect the forest which was formulated by many stakeholders including local communities. To mention some; bylaws workable for penalizing illegal intrusion into the closure, igniting fire on the forest and benefit sharing.

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 enseignants0,303
Score d'incertitude au seuil0,352

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 technologies0,0000,001
Communication savante0,0000,000
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 Opus0,028
Tête enseignante GPT0,297
Écart entre enseignants0,269 · 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

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Natural Resources ResearchMême sujetRangeland Management and Livestock EcologyTravaux en français237 207