MétaCan
Menu
Retour à la cohorte
Enregistrement W4283216047 · doi:10.1139/cjfr-2022-0046

Reconciliation in the woods? Three pathways towards forest justice

2022· article· en· W4283216047 sur OpenAlexaffvenueabout
William Nikolakis

Notice bibliographique

RevueCanadian Journal of Forest Research · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésIndigenousRedistribution (election)Economic JusticeCorporate governancePolitical scienceEnvironmental justiceEnvironmental resource managementBusinessAgroforestryLawEcologyEconomicsPolitics

Résumé

récupéré en direct d'OpenAlex

Forests are the locus of conflict in Canada, where the rights and interests of Indigenous peoples can collide with those of the province (Crown) and the forest industry. Efforts to achieve “forest justice” — or sufficient forest rights to meet the self-governance goals of Indigenous peoples, and in ways that ensure collective resilience — have typically been driven by the principle of reconciliation. In this paper, these “forest justice” efforts were examined through a tripartite justice theory, involving recognition, representation, and redistribution pathways. This paper documents that recognition involves Crown efforts to recognize Indigenous peoples’ forest rights, including ownership, and access and use rights; representation includes improved participation in forest governance; and redistribution covers the allocation of timber harvesting rights and forest lands to Indigenous peoples. This study documents that the bulk of “forest justice” activity is focused on the redistribution of timber harvesting licences, the volume of which has doubled over the last two decades. These three paths to justice must all be pursued together to deliver “forest justice”, and to move towards “reconciliation in the woods”. Recommendations are offered to support forest justice in practice.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,738
Score d'incertitude au seuil0,849

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,084
Tête enseignante GPT0,281
Écart entre enseignants0,197 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetMining and Resource ManagementTravaux en français237 207