MétaCan
Menu
Retour à la cohorte
Enregistrement W2740456771 · doi:10.5539/jsd.v10n4p121

Shifting Cultivation System of Indigenous Moronene as Forest Conservation on Local Wisdom Principles in Indonesia

2017· article· en· W2740456771 sur OpenAlexvenueno aff
Rekson Solo Limba, Asrun Lio, Yasir Syam Husain

Notice bibliographique

RevueJournal of Sustainable Development · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural and Religious Practices in Indonesia
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndigenousLivelihoodAgroforestryGeographyTribeSustainabilityTraditional knowledgeAgricultureShifting cultivationWildlifeForest managementRainforestForest farmingEcologyIntact forest landscapeForest ecologyForestrySociologyBiologyArchaeology

Résumé

récupéré en direct d'OpenAlex

This research is a case study conducted in the village of Indigenous Moronene Huka'ea - La'ea, Watu-Watu village Lantari Jaya sub-district, Bombana. The study followed a series of processes and stages of work in the agriculture system based on local wisdom of Moronene tribe, as one of the patterns of forest conservation. This study applied a "descriptive-qualitative", to describe the social and behavioral conditions of indigenous peoples in managing and utilizing forest resources around the neighborhood where they live. The results of this study indicate that the indigenous of Moronene form of traditional knowledge - local and skills to manage forests for agricultural fields, is quite effective in guaranteeing the sustainability of the forest around the area. One of the local wisdom related to forest management is ancestral policy to regulate the system of grouping the forest area into four zones, including: Inalahipue (rainforest), Inalahi Popalia (sacred forest), Inombo (production forest), and Lueno (forest /wildlife habitat). The practices of shifting cultivation occur in the Inombo forest areas from generation to generations of Moronene in the in the village as the main livelihood systems.

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)0,001
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 enseignants0,102
Score d'incertitude au seuil0,873

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
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 Opus0,029
Tête enseignante GPT0,305
Écart entre enseignants0,276 · 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

Citations12
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetCultural and Religious Practices in IndonesiaTravaux en français237 207