Structured decision-making shows broad support from diverse stakeholders for habitat conservation and restoration in Kenya’s Central Highlands
Notice bibliographique
Résumé
The need for targeted restoration in regions where ecosystem integrity has become compromised is now widely recognised. Local community views, alongside those of other stakeholders, should be incorporated into transparent decision-making to ensure conservation/restoration activities are successful. We used a structured decision-making approach, working with stakeholders and local communities, to pose and answer the following question for Kenya’s Central Highlands: “ what future land-use options [2030] are feasible for the study region, which is most preferable, how does this vary between different stakeholder groups, and what values drive these preferences? ”. We engaged with 51 individuals from six stakeholder groups ( Big Farms , Conservationists , Counties , Forest Users , Pastoralists , Smallholders ). As individuals, the stakeholders held significantly different values for provisioning, cultural, regulation and maintenance ecosystem services. However, following consensus-building activities within the six groups, shared values and perspectives emerged. The future land-use option of habitat conservation/restoration was preferred by the majority of stakeholder groups, although one ( Big Farms ) favoured increased plantation forestry. Water resource management was also prioritised consistently. By using structured decision-making, we demonstrate that ecosystem restoration is compatible with the views and values of smallholders and forest users, as well as those with a direct interest in conservation. Structured decision-making processes can facilitate stakeholders with disparate views to work towards a consensus regarding future land-use options, aiding environmental planning and implementation. • Ecosystem restoration is needed for biodiversity and ecosystem function recovery. • Structured decision-making is a transparent way to account for stakeholder values. • Individuals in Kenya’s Central Highlands valued ecosystem services differently. • Water management and restoration emerged as priorities from consensus-building. • Structured decision-making helped those with disparate views reach near consensus.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».