Towards a Theoretical Construct for Modelling Smallholders’ Forestland-Use Decisions: What Can We Learn from Agriculture and Forest Economics?
Notice bibliographique
Résumé
Academic research on smallholders’ forestland-use decisions is regularly addressed in different streams of literature using different theoretical constructs that are independently incomplete. In this article, we propose a theoretical construct for modelling smallholders’ forestland-use decisions intended to serve in the guidance and operationalization of future models for quantitative analysis. Our construct is inspired by the sub-disciplines of forestry and agricultural economics with a crosscutting theme of how transaction costs drive separability between consumption and production decisions. Our results help explain why exogenous variables proposed in the existing literature are insufficient at explaining smallholders’ forestland-use decisions, and provide theoretical context for endogenizing characteristics of the household, farm and landscape. Smallholders’ forestland-use decisions are best understood in an agricultural context of competing uses for household assets and interdependent consumption and production decisions. Forest production strategies range from natural regeneration to intensive management of the forest resource to co-jointly produce market and non-market values. Due to transaction costs, decision prices are best represented by their shadow as opposed to market prices. Shadow prices are shaped by endogenous smallholder-specific preferences for leisure, non-market values, time, risk, and uncertainty. Our proposed construct is intended to provide a theoretical basis to assist modellers in the selection of variables for quantitative analysis.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».