MétaCan
Menu
Retour à la cohorte
Enregistrement W4387329878 · doi:10.12924/cis2023.11010034

Creating a Stakeholder Table, Identifying Hidden Stakeholders, and Exploring Relational Interventions for the Bayano Region of Panama

2023· article· en· W4387329878 sur OpenAlexaff
Gabriel Yahya Haage

Notice bibliographique

RevueChallenges in Sustainability · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésStakeholderIndigenousTable (database)Stakeholder analysisPsychological interventionIdentification (biology)BusinessTourismPublic relationsPolitical scienceComputer sciencePsychologyData mining

Résumé

récupéré en direct d'OpenAlex

The Bayano region, in Panama, has been linked to many different stakeholders who were or are influenced by the Bayano dam, which was completed in 1976 and flooded a large area. Stakeholder Tables are a good way of exploring the views of stakeholders and their relationships. They can also help in identifying Hidden Stakeholders. Hidden Stakeholders refer to stakeholders who use or are impacted by regions or events, but are generally ignored. In this study, several sources, including discussions with community members and workshop results, were used to develop a Stakeholder Table for the Bayano region. Stakeholders include displaced Guna and Embera indigenous communities. In order to identify Hidden Stakeholders, the table was applied to relevant court cases and agreements, with Hidden Stakeholders being those who were not addressed in these documents. Hidden Stakeholders include indigenous individuals who raise cattle or are involved in tree felling, along with tourism industries. Using some follow-up workshops to collect potential interventions, a Relational Values approach was used to find sustainable projects and methods that can target multiple Hidden Stakeholders at the same time.

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)0,015
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0090,003
Communication savante0,0040,005
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
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 Opus0,457
Tête enseignante GPT0,319
Écart entre enseignants0,138 · 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'étudeQualitatif
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChallenges in SustainabilityMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207