MétaCan
Menu
Retour à la cohorte
Enregistrement W3140600836

New Colonial Masters, Malaysian Loggers in South America: How Under-Valuation of Forest Resources Exposes Guyana to Unscrupulous Exploitation

2007· article· en· W3140600836 sur OpenAlexaff
John Palmer, Janette Bulkan

Notice bibliographique

RevueSSRN Electronic Journal · 2007
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueNatural Resources and Economic Development
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésLoggingCorporate governanceMultinational corporationBusinessChinaValuation (finance)Government (linguistics)ColonialismNatural resource economicsEconomyEconomicsFinanceGeographyForestryPolitical scienceLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We provide an example from Guyana of how government negligence (or worse) and a weak and inattentive civil society have enabled Samling, a Malaysian multinational logger operating locally from 1991 under the name of the Barama Company, to run down its plywood mills and to shift decisively into log exports for major markets in China and India, while paying derisory sums in forest fees and evading the taxes levied on local enterprises. We suggest some reasons why Guyana’s forest governance administration is weak in spite of externally funded institutional strengthening projects. We use data from Samling’s Initial Public Offering (IPO) to compare the logging costs and forest taxes paid by the company in more strongly administered Sarawak, Malaysia versus weakly administered Guyana. We show how the logging company does not comply with its Foreign Direct Investment (FDI) agreement, but instead has high graded its concession of a few hard heavy timbers in demand in Asian wood processing factories. We suggest ways in which Guyana could obtain net social benefit from its natural forest.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,106
Score d'incertitude au seuil0,211

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,027
Tête enseignante GPT0,225
Écart entre enseignants0,198 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations6
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetNatural Resources and Economic DevelopmentTravaux en français237 207