Approaching Local Perceptions of Forest Governance and Livelihood Challenges with Companion Modeling from a Case Study around Zahamena National Park, Madagascar
Notice bibliographique
Résumé
Community-based natural resource management (CBNRM) is a widely used approach aimed at involving those utilizing resources in their management. In Madagascar, where forest decentralization has been implemented since the 1990s to spur local resource users’ involvement in management processes, impacts remain unclear. This study aimed to investigate farmers’ perceptions and practices regarding forest use under various forest governance systems, using a participatory gaming approach implemented in the Zahamena region of Madagascar. We report on (i) the conceptual models of the Zahamena socio-ecological system; (ii) the actual research tool in the form of a tabletop role-playing game; and (iii) main outcomes of the gaming workshops and accompanying research. The results allow the linking of game reality with real-world perceptions based on game debriefing discussions and game workshop follow-up surveys, as well as interviews and focus group research with other natural resource users from the study area. Results show that the Zahamena protected area plays the role of buffer zone by slowing down deforestation and degradation. However, this fragile barrier and CBNRM are not long-term solutions in the face of occurring changes. Rather, the solution lies in one of the main causes of the problem: agriculture. Further use of tools such as participatory gaming is recommended to enhance knowledge exchange and the development of common visions for the future of natural resource management to foster resilience of forest governance.
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 ».