How Van Panchayat Rule Systems and Resource Use Influence People’s Participation in Forest Commons in the Indian Himalayas
Notice bibliographique
Résumé
Van Panchayats (VPs) are self-initiated forest management groups institutionalized since 1931 in the Himalayan Uttarakhand state of North India. VPs are considered to be successful case of Community-Based Forest Management (CBFM) despite an observed decline in VP practice around the 1990s. This study clarifies CBFM in the context of local rules, forest resource use and people’s participation. It reveals the possible factors behind better resource management of forest commons use from four VPs in Uttarakhand. A multi-dimensional research approach was followed comprising a literature review of the state forest department data, forest inventory, interviews with village leaders as snowball samplings in several villages, and semi-structured interviews with villagers/house-holders. Results showed that local rules are different depending on the villages expect for prohibited timber logging. The most useful tree species for local people was Banji oak (Quercus leucotrichophora) and every village had an oak forest which was utilized for fuelwood and fodder for daily livelihoods. VP forest size and the basal area of trees also influenced people’s participation in forest management. Much larger size of the VP forest land is declining due to the people’s de-motivation for forest management. Furthermore, a higher education of the householder increased the level of participation. Transparency of Management Committee (MC) for the VP members is an important aspect. To summarize, availability and utilization of the valuable forest resources and its management by villagers following local rules and the VP system was considered to influence people’s participation in the forest commons.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».