Framing REDD+ at National Level: Actors and Discourse around Nepal’s Policy Debate
Notice bibliographique
Résumé
Forests and carbon sequestration have become fundamental themes in climate change mitigation. The idea of Reducing Emissions from Deforestation and forest Degradation (REDD+) has generated significant interest in forest governance from United Nations (UN) climate strategies over the past decade. REDD+ was initially hailed as a smart and cost-effective way to mitigate climate change. As it is rolling out, ambiguities and controversies are increasingly surfacing to the stakeholders at different levels. Examining the forest governance of Nepal in detail, this research examines how relationships between national and local forest actors have changed, and how REDD+ discourses have evolved among them at the interface between global interests in carbon commodification on one hand, and local realities of community forestry on the other hand. To better understand these competing positions, the study uses a post-structural political ecology perspective with elements of discourse analysis. Using data from interviews with policy actors and members of three local community forest user groups, focus group discussions, policy event observations, and document reviews, this paper highlights how global forest carbon commodification has been affecting community forestry governance. It also illustrates different storylines that actors employ to influence policy discourse and REDD+ debates, indicating a considerable range of problem definitions and policy solutions of climate change among the actors. The analysis highlights the connection between power relationships and the evolution of discourses surrounding REDD+, and how an external discourse can reinforce or challenge local governance and the centralization of forest authority. As such, the research also offers a new application of discursive storylines to climate change discourse analysis across national and local scales. The findings emphasize the importance of a more open and transparent dialogue across Nepal’s forest governance and management levels to ensure actual benefits for healthy forests, strong communities, and effective climate change mitigation. Nepal's findings also suggest highly relevant lessons to other developing countries with significant community forest governance, and a strong planned focus on REDD+.
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 | 0,016 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,022 | 0,027 |
| Communication savante | 0,018 | 0,015 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».