MétaCan
Menu
Retour à la cohorte
Enregistrement W3144837613 · doi:10.5539/jsd.v14n3p45

Assessing “Results-Based” Payment Determinants in Forest Carbon Emission Reduction Initiatives: Case of Forest Carbon Projects in Cameroon

2021· article· en· W3144837613 sur OpenAlexvenueno aff
Eugene Loh Chia, Augustin Corin B Bi Bitchick, Didier Hubert, Mirrande M Azai, Maxime M Nguemadji

Notice bibliographique

RevueJournal of Sustainable Development · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReducing emissions from deforestation and forest degradationIncentiveBusinessPaymentDeforestation (computer science)Environmental resource managementPayment for ecosystem servicesGreenhouse gasCarbon creditSustainable developmentEnvironmental planningEnvironmental economicsClimate changeCarbon stockEcosystem servicesFinanceEconomicsEnvironmental sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

The international community has acknowledged the critical role of results-based avoided deforestation and forest degradation, sustainable management of forest, conservation and enhancement of carbon stocks (REDD+) activities in curbing climate change. However, ensuring that REDD+ programs and projects deliver carbon and non-carbon results, remains a challenge. This paper analyses results-based determinants in REDD+ projects in Cameroon. Experiences from these projects are expected to inform the design and implementation of sustainable and effective REDD+ projects. It draws on data collected from feasibility study reports, project design documents, project evaluation reports and the opinions and perspectives of 86 REDD+ stakeholders. Findings indicate that projects employed a combination of incentives, disincentives and enabling measures towards achieving the intended REDD+ results. However, none of the projects proposed conditional incentives (direct payments) to land owners and users, the key innovation brought by REDD+. Despite the fact that these projects are branded REDD+ projects, they offer little or no experiences on the relationship between REDD+ payments and carbon and non-carbon outcomes. Achieving results from REDD+ projects depend on how effective choices are made by stakeholders in relation to the type of instruments/interventions and the location of projects, and the ability to make choices further depends on the technical capacity of stakeholders. Thus, the capacity of stakeholders to be involve in REDD+ project design and implementation should be strengthened, in order for them to better appraise the results-based requirements of REDD+.

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)0,010
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0030,003
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,021
Tête enseignante GPT0,256
Écart entre enseignants0,235 · 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'étudeObservationnel
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207