How policy interventions influence burning to meet cultural and small-scale livelihood objectives
Notice bibliographique
Résumé
Fire has cultural and economic significance for Indigenous and rural peoples worldwide, being used to manage landscapes for activities such as hunting, gathering, cropping, and forestry, and for ceremonial and spiritual purposes. Policy interventions by state and non-state organizations, such as regulations, economic incentives, and communication campaigns, can target fire use directly, or affect it indirectly, for example, by restricting land access. Yet evidence of such impacts has not been synthesized at the global scale. We analyzed 512 examples in 68 countries to describe the range of policy interventions by state and non-state organizations that target and/or affect fire use, categorizing interventions based on the broad actor types involved, their mode of operation (e.g., regulation) and their intentionality and/or possible effects vis-a-vis fire use. Of these interventions, 74% involved only state agencies in policy design and implementations, 4% involved only non-state organizations, and 18% involved collaboration between state and/or non-state organizations and/or communities. Three hundred and nine interventions directly targeted fire use, of which 87% aimed to eliminate or constrain fire use. Two hundred and three affected fire use indirectly, of which 88% led to reductions in or constraints upon fire use. Though there is some recognition in the 21st century of a need, in certain contexts, to support local fire use, for reasons related to environmental justice, ecology, wildfire risk and climate change, the literature we reviewed points to several challenges for contemporary efforts toward this end. These include contradictions between policy interventions, mistrust between actors following histories of fire suppression, greater fuel loads increasing the risk of burning where fire has been suppressed, and the need to consider the indirect effects of other types of policy, such as those related to land tenure.
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 | 0,015 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».