Determinants of forest and tree uses across households of different sites and ethnicities in Bangladesh
Notice bibliographique
Résumé
This study examines the determinants of forest and tree-product uses in rural households across three sites of different proximity to roads and forests in the Chittagong Hill Tracts region in Bangladesh. A structured questionnaire survey was conducted with 300 households of different ethnic groups, located in three different locations (remote, intermediate, on-road), to collect information on their forest and tree use during 2015–2016. We gathered information on household socioeconomic characteristics (family size, education level of head of household, size of farmland), location (three sites), and ethnic affiliation. By conducting a series of logistic regression modeling, we analyzed the key determinants that would explain the variations in forest use in the households. We recorded twelve different forest and tree products used in the households, primarily for subsistence purposes and cash income. Fuelwood, vegetables, and fish were recorded as the most important forest-sourced products used by people, regardless of socioeconomic condition, location context, and ethnic affiliation. Household land/farm size, location, and ethnic background explained significant variations in the use of forest and tree products (mainly timber, fodder for livestock). The greater the size of the landholding, the more likely timber was used for both subsistence and cash income, but the less the reliance on other products (fuelwood, thatch grass, vegetables). Our findings suggest that the location and ethnic characteristics of the rural households are important for understanding the diverse needs for forest and tree use, and should be factored into the site-specific management and sustainable use of forest and tree resources in Bangladesh and other tropical developing countries.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».