MétaCan
Menu
Retour à la cohorte
Enregistrement W4284976312 · doi:10.4067/s0717-92002022000100057

Forestry sector, alternative for peace and sustainable development in Colombia. Coffee region case

2022· article· en· W4284976312 sur OpenAlexafffund
Doralice Ortiz Ortiz, Janette Bulkan, Jorge Julián Vélez Upegui

Notice bibliographique

RevueBosque (Valdivia) · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal trade, sustainability, and social impact
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversity of British ColumbiaUniversidad Nacional de Colombia
Mots-clésReforestationGeographyPovertyEcosystem servicesNatural resourceIndigenousSustainabilityPrivate sectorAgroforestrySustainable developmentBusinessEconomic growthEnvironmental resource managementForestryNatural resource economicsPolitical scienceEcosystemEcologyEconomics

Résumé

récupéré en direct d'OpenAlex

The study focused on the potential role of the forest sector in Columbia's post-conflict processes based on the multifunctionality of forests and their components: communities that live in and close to forests, economic dynamics, social actors and sectoral policies. The analysis covered the national level and the coffee region, located in the center of the country. Materials and methods included semi-structured interviews with international and national forest experts. Experts agreed that the forest sector in Colombia represents an alternative pathway for increasing employment and improving the quality of life of local populations, especially in those regions where the post-conflict process is still in effect. In the case of the coffee region, there is a reforestation potential of 54,500 ha and, with minor restrictions, the potential for 164,130 ha of forest plantations. Less than 10 % of that potential has been achieved. Likewise, there are opportunities to implement ecosystem services programs in public and private natural forests that cover 55 % of the coffee region. These potentials are not currently part of the regional priorities, although they could generate income and employment for vulnerable coffee-growing families and for indigenous communities living near natural forests, for whom poverty is a constant due to structural deprivations.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,512
Score d'incertitude au seuil0,948

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
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 Opus0,033
Tête enseignante GPT0,262
Écart entre enseignants0,229 · 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'étudeSans objet
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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBosque (Valdivia)Même sujetGlobal trade, sustainability, and social impactTravaux en français237 207