Governance Challenges in an Eastern Indonesian Forest Landscape
Notice bibliographique
Résumé
Integrated approaches to natural resource management are often undermined by fundamental governance weaknesses. We studied governance of a forest landscape in East Lombok, Indonesia. Forest Management Units (Kesatuan Pengelolaan Hutan or KPH) are an institutional mechanism used in Indonesia for coordinating the management of competing sectors in forest landscapes, balancing the interests of government, business, and civil society. Previous reviews of KPHs indicate they are not delivering their potential benefits due to an uncertain legal mandate and inadequate resources. We utilized participatory methods with a broad range of stakeholders in East Lombok to examine how KPHs might improve institutional arrangements to better meet forest landscape goals. We find that KPHs are primarily limited by insufficient integration with other actors in the landscape. Thus, strengthened engagement with other institutions, as well as civil society, is required. Although new governance arrangements that allow for institutional collaboration and community engagement are needed in the long term, there are steps that the East Lombok KPH can take now. Coordinating institutional commitments and engaging civil society to reconcile power asymmetries and build consensus can help promote sustainable outcomes. Our study concludes that improved multi-level, polycentric governance arrangements between government, NGOs, the private sector, and civil society are required to achieve sustainable landscapes in Lombok. The lessons from Lombok can inform forest landscape governance improvements throughout Indonesia and the tropics.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».