Perceived changes in the quality of terrestrial, coastal, marine environment and natural resources in coastal communities in the Caribbean
Notice bibliographique
Résumé
Economies and livelihoods in the Caribbean strongly depend on the terrestrial and marine natural resource base. There are critical gaps in quantitative data and the contextual and compositional factors affecting perceptions of changes in ecosystems and natural resources. This paper used interview data from 441 households in Belize, Dominican Republic, and Suriname to explore the contextual and compositional determinants of perceptions of change in the quality of the terrestrial, coastal/marine environment and natural resources as a composite variable. The outcome variable comprised changes in fishing effort, marine and coastal environment, forest cover, agricultural land area, and soil fertility, and relationships with predictor variables were explored using univariate, bivariate, and three multivariate models. At the univariate level, most respondents in Belize and Suriname reported perceiving a significant increase in fishing effort (i.e. days and fuel spent at sea) and a decrease in forest cover, quality of the coastal/marine environment, area of agricultural land, and fertility and productivity of soils. Sex, marital status, household size, and years of experience were not significantly associated with the terrestrial variables and fishing effort. Sex was only significantly associated with the quality of the marine environment. At the multivariate level, the elderly, high school education, and household incomes were associated with a lower perception of the outcome variable. It is concluded that policy and interventions should strongly consider ethnicity and community, and improve education and household incomes to enhance perceptions of changes in the quality of the terrestrial and coastal/marine environment in the studied countries.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».