Justice-related impacts and social differentiation dynamics in Nepal's REDD+ projects
Notice bibliographique
Résumé
Policies and projects aimed at Reducing Emissions from Deforestation and forest Degradation, and the sustainable management of forests and the enhancement of forest carbon stocks (REDD+), have been regarded as an opportunity to improve forest governance while supporting rural livelihoods. However, now that REDD+ policies are being increasingly implemented, a number of justice-related challenges have emerged, including how social heterogeneity should be approached to avoid deepening the unequal access to land, resources and livelihood opportunities or even violating human rights in rural contexts. Applying an environmental justice lens, this article analyses the experience of three local communities in Nepal participating in REDD+ pilot projects, focusing on how indigenous peoples, women and Dalits have participated in and been affected by such initiatives. Our research shows that the studied REDD+ pilot activities in Nepal have been, to some extent, able to recognise, empower and benefit certain social groups, indigenous women in particular, whilst Dalits (particularly Dalit women) had a different experience. REDD+ projects have had limited impact in addressing more entrenched processes of political discrimination, male dominance in decision-making, and uneven participation driven by spatial considerations or specific social targeting approaches. While the projects examined here have been partially just, and rather sensitive to existing patterns of social differentiation, the complexity of social differentiation still makes it difficult to operationalise environmental justice in REDD+ implementation. Hence, we conclude that deficits in distributive, recognition and procedural justice cannot be resolved without first addressing wider issues of social injustices throughout Nepal, historically inherited along the dimensions of class, caste, ethnicity, gender, and spatiality.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,015 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,001 | 0,017 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».