MétaCan
Menu
Retour à la cohorte
Enregistrement W4283119698 · doi:10.2458/jpe.2398

The political logics of EU-FLEGT in Thailand’s multistakeholder negotiations: Hegemony and resistance

2022· article· en· W4283119698 sur OpenAlexaff
Sophie Lewis, Janette Bulkan

Notice bibliographique

RevueJournal of Political Ecology · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCambodian History and Society
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCivil societyNegotiationCorporate governanceIllegal loggingPoliticsGovernment (linguistics)HegemonyPolitical scienceEnvironmental governancePolitical economyEnforcementPublic administrationBusinessLoggingEconomicsLawForestryGeographyFinance

Résumé

récupéré en direct d'OpenAlex

The reduction of illegal logging and related trade has been on the international policy agenda since the 1990s. The EU's Forest Law Enforcement, Governance and Trade initiative (EU-FLEGT) seeks to address illegal logging through a scheme that rests on multistakeholder negotiations. However, past initiatives seeking to reform forest governance in the global South have reproduced the uneven outcomes of colonial forest governance by further empowering national government authorities. In the case of Thailand, FLEGT negotiations between November 2013 and April 2021 succeeded in opening a political space for civil society to engage with government actors. However, FLEGT negotiations during this period failed to address the uneven outcomes of forest governance, benefiting elites at the expense of the rural poor due to an 'anti-politics effect. The FLEGT multistakeholder negotiations did not consider the uneven historical relations to land and resource rights nor the intrinsic power dynamics of different actor groups. As such, dominant actors from the government and private sector succeeded in structuring the terrain of the FLEGT negotiations to determine which civil society demands for reforms to tenure and resource rights they would concede, and which they would not.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,712
Score d'incertitude au seuil0,446

Scores Codex et Gemma par catégorie

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

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 Opus0,032
Tête enseignante GPT0,305
Écart entre enseignants0,273 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Political EcologyMême sujetCambodian History and SocietyTravaux en français237 207