Ten people‐centered rules for socially sustainable ecosystem restoration
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As the UN Decade on Ecosystem Restoration begins, there remains insufficient emphasis on the human and social dimensions of restoration. The potential that restoration holds for achieving both ecological and social goals can only be met through a shift toward people‐centered restoration strategies. Toward this end, this paper synthesizes critical insights from a special issue on “Restoration for whom, by whom” to propose actionable ways to center humans and social dimensions in ecosystem restoration, with the aim of generating fair and sustainable initiatives. These rules respond to a relative silence on socio‐political issues in di Sacco et al.'s “Ten golden rules for reforestation to optimize carbon sequestration, biodiversity recovery and livelihood benefits” on socio‐political issues and offer complementary guidance to their piece. Arranged roughly in order from pre‐intervention, design/initiation, implementation, through the monitoring, evaluation and learning phases, the 10 people‐centered rules are: (1) Recognize diversity and interrelations among stakeholders and rightsholders'; (2) Actively engage communities as agents of change; (3) Address socio‐historical contexts; (4) Unpack and strengthen resource tenure for marginalized groups; (5) Advance equity across its multiple dimensions and scales; (6) Generate multiple benefits; (7) Promote an equitable distribution of costs, risks, and benefits; (8) Draw on different types of evidence and knowledge; (9) Question dominant discourses; and (10) Practice inclusive and holistic monitoring, evaluation, and learning. We contend that restoration initiatives are only tenable when the issues raised in these rules are respectfully addressed.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle