Model Pemberdayaan Peningkatan Kesejahteraan Masyarakat Hutan (Studi Kasus Desa Cupak, Kabupaten Jombang)
Notice bibliographique
Résumé
Indonesia adalah salah satu negara dengan tingkat deforestasi hutan tertinggi di dunia. Persoalanpaling berat adalah dampaknya terhadap tingginya tingkat kemiskinan masyarakat sekitar hutan.Padahal, lebih dari tiga perempat penduduk di Indonesia menggantungkan hidupnya dari hasilhutan. Persoalan tersebut telah mencetuskan beragam program untuk mewujudkan pengelolaanhutan yang berkelanjutan, sekaligus mempunyai dampak signifikan terhadap kesejahteraanmasyarakat sekitar hutan. Tetapi, berbagai temuan empiris justru menunjukkan upayapeningkatan kesejahteraan masyarakat sekitar hutan seringkali mengalami kegagalan akibat modelpendekatan yang tidak adaptif. Penelitian ini bertujuan untuk menemukan permodelan yang tepatdalam rangka meningkatkan kesejahteraan masyarakat hutan. Berdasarkan hasil wawancaradengan pendekatan deskriptif kualitatif, ditemukan bahwa model peningkatan kesejahteraanmasyarakat hutan dipengaruhi oleh dua faktor, yaitu: (i) adanya program pemberdayaan yangmampu mengkoneksikan antara sumberdaya lokal dengan pasar potensial; dan (ii) adanyakemampuan untuk mengelola kelembagaan masyarakat lokal. Kedua faktor tersebut berdampakpositif dengan perubahan karakter masyarakat hutan yang produktif. Hasil temuan mampumemberikan inspirasi mengenai model peningkatan kesejahteraan masyarakat hutan mampumengakomodasi karakter lokal.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,005 |
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 ».