Predicting Attitudes towards Protected Area Management in a Developing Country Context
Notice bibliographique
Résumé
Biodiversity conservation through use of protected areas relies significantly on the attitudes of local adjacent communities. Some studies suggest that attitudes are often shaped by the associated positive and negative externalities and socio-demographic and economic characteristics of local communities living adjacent to protected areas. The current study sought to identify useful predictors of local attitudes towards protected area management. It was conducted at Bwindi Impenetrable National Park in Uganda where several interventions in form of benefits to improve local people’s attitudes towards the park have been implemented for the last 30 years. The study examined the extent to which these benefits can influence local people’s attitude towards management of the Protected Area (PA). A household survey was conducted among 190 randomly selected respondents and Generalised Linear Mixed Models (GLMMs) fitted where the dependent variable was a binary “Good” or “otherwise” response to how the respondent considered own relationship with park management. Socio-economic attributes of the respondents were used as control variables. The importance of cost variables (e.g. crop raiding) was also examined. The study found that only direct and material benefits were consistent predictors of a positive attitude towards management. Non-material and indirect benefits as well as the socio-economic factors and costs did not influence the attitude of local communities towards management. It can be concluded that positive attitude towards protected area management is determined by access to direct and material benefits by local communities and not socio-economic factors or costs incurred. Interventions intended to influence local communities to have a positive attitude towards management ought to emphasize direct and material benefits.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».