MétaCan
Menu
Retour à la cohorte
Enregistrement W2980431486 · doi:10.1016/j.landusepol.2019.104245

Reviewing First Nation land management regimes in Canada and exploring their relationship to community well-being

2019· article· en· W2980431486 sur OpenAlexafffundabout
Robert A. Fligg, Derek T. Robinson

Notice bibliographique

RevueLand Use Policy · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLand Rights and Reforms
Établissements canadiensNatural Resources CanadaUniversity of Waterloo
Organismes subventionnairesNatural Resources Canada
Mots-clésLand managementQuartileLand useGovernment (linguistics)Land tenureGeographyMathematicsStatisticsEcologyAgricultureBiology

Résumé

récupéré en direct d'OpenAlex

The presented paper synthesizes and reviews the history of Fist Nation land management, forming the background of three land management regimes types; the Indian Act land management (IALM), First Nations land management (FNLM) and frameworks of self-government land management (SGLM). The three regimes are compared to the Community Well-Being (CWB) index, being a measure of socio-economic development of communities across Canada. Statistical analysis was done on CWB scores by land management regime to determine if there are significant differences between land management regime and CWB scores, and where rates of increase in CWB are found. Results of these efforts identified five key findings; 1) while higher levels of CWB score are found in all three land-management regimes, there is an increasing trajectory in CWB average scores from IALM, to FNLM, to SGLM communities; 2) there is a significant statistical difference between CWB average scores of the IALM with FNLM and SGLM land management regimes, 3) higher levels of CWB scores were found among communities having a formal versus an informal land tenure system; 4) rates of increase in CWB scores were found in higher scoring communities, however, the rates were higher at the lower quartile; 5) increase in CWB scores was observed in FNLM communities both prior and after transition to FNLM, however, the rate of increase slowed down after transition.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,457

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0070,024
Études des sciences et des technologies0,0060,002
Communication savante0,0040,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,077
Tête enseignante GPT0,226
Écart entre enseignants0,148 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueLand Use PolicyMême sujetLand Rights and ReformsTravaux en français237 207