MétaCan
Menu
Retour à la cohorte
Enregistrement W4323317923 · doi:10.3390/land12030608

The Governance of Land Use: A Conceptual Framework

2023· article· en· W4323317923 sur OpenAlexaff
Tamara Krawchenko, John Tomaney

Notice bibliographique

RevueLand · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésIncentiveSubsidySustainable land managementLand useCorporate governanceLand tenureConceptual frameworkBusinessLand degradationNatural resource economicsLand managementEnvironmental resource managementLand developmentSustainable developmentEnvironmental degradationEnvironmental planningPublic economicsEconomicsAgricultureFinanceGeographyPolitical science

Résumé

récupéré en direct d'OpenAlex

How land is used is connected to some of the most important issues of our time: sustainable development, economic development, reducing territorial inequalities and the rights of future generations, to name but a few. There is growing recognition that a wide range of policies shape how land is used and managed beyond that of land use and environmental planning systems. From fiscal and tax incentives to industry subsidies and infrastructure or transportation program design, a myriad of incentives and disincentives shape the decisions and interventions that play out across our land, often leading to adverse outcomes, such as a loss of agricultural land, environmental degradation, high housing prices or costlier services. This paper shares a conceptual framework for the governance of land use encompassing a range of policies and other factors across scales that shape how land is used and managed. This framework encourages consideration of the incentives, disincentives and complementarities across a range of policies and practices and the need for stronger alignment to meet land management goals.

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)0,003
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0030,021
Communication savante0,0090,008
Science ouverte0,0030,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,013
Tête enseignante GPT0,220
Écart entre enseignants0,207 · 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'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

Citations27
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLandMême sujetLand Use and Ecosystem ServicesTravaux en français237 207