MétaCan
Menu
Retour à la cohorte
Enregistrement W3215663799 · doi:10.3989/pirineos.2021.176006

Efectividad de áreas de conservación privada comunal en bosques montanos nublados del norte de Perú

2021· article· es· W3215663799 sur OpenAlexaff
Ellen Delgado, Gerson Meza-Mori, Elgar Barboza, Niltón B. Rojas Briceño, Cristóbal Torres Guzmán, Manuel Oliva, Segundo G. Chávez, Rolando Salas López, Rocío López de la Lama, C. Steven Sevillano-Ríos, Fausto O. Sarmiento

Notice bibliographique

RevuePirineos · 2021
Typearticle
Languees
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesDirectorate for Biological SciencesWWF InternationalRoyal Society
Mots-clésGeographyForestryHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Las Áreas de Conservación Privada (ACP) son uno de los mecanismos de conservación, gestionadas por ciudadanos privados que más protagonismo han adquirido en los escenarios de conservación local en los últimos años. En este estudio evaluamos la efectividad de cuatro ACP gestionadas por comunidades locales (CC). Se aplicó el Índice de Efectividad Compuesto (IEC) para determinar la efectividad del diseño, la integridad ecológica y la gestión. Los resultados muestran sistemas de gestión con una efectividad media, tres de las cuatro ACP evaluados (Copallín, Huaylla Belén-Colcamar y Tilacancha) reportan un diseño efectivo. Los rangos altitudinales protegidos están entre 2500 y 3500 m.s.n.m., con un índice de representatividad de la superficie promedio de 4,55% con respecto al área conservada en la categoría ACP para el departamento de Amazonas. La evaluación de la integridad ecológica indica que las ACP presentan menor superficie transformada (TS) (0-10%) y mayor TS en sus áreas circundantes, especialmente en el ACP Tilacancha (13,37% de TS en un buffer de 1,5 km). La suma ponderada de los índices individuales resulta en índices de efectividad compuestos de mayor a menor para el ACP Copallín (2,22), Hierba Buena Allpayacku (1,82), Huaylla Belen Colcamar (1,81) y Tilacancha (1,56).

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,041
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,046
Tête enseignante GPT0,230
Écart entre enseignants0,185 · 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

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePirineosMême sujetEconomic and Environmental ValuationTravaux en français237 207