The context of REDD+ in Myanmar: Drivers, agents and institutions
Notice bibliographique
Résumé
The Republic of the Union of Myanmar is a forest resource-rich country, but is also facing serious deforestation and forest degradation problems. Currently, Myanmar's forest still covers more than 40% of the country's land area (Aung (2001) but 70% of its population live in rural areas, and the agricultural sector is the main contributor to the country's gross domestic product (GDP) (30%) (World Bank 2014). The country faces the all-too-common dilemma of how to develop its economy while at the same time curbing environmental degradation and contributing to carbon emissions reduction. In 2013, Myanmar adopted a REDD+ program and started its preparatory phase. Myanmar established and developed its National Forest Monitoring System (NFMS) and Reference Emission Levels (RELs) for REDD+ following the guidance and modalities set out by the United Nations Framework Convention on Climate Change (UNFCCC). Implementing REDD+ requires political commitment to address direct and indirect drivers of deforestation, an adequate funding mechanism that is based on a thorough analysis of all costs and benefits, a transparent and equitable benefit-sharing mechanism, and a participatory decision-making approach in which all stakeholders can take part in REDD+. The Global Comparative Study on REDD+, together with its country partners, is compiling profiles of 14 countries to better understand the socioeconomic contexts in which REDD+ policies and processes emerge.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».