Situación de los derechos de carbono de Pueblos Indígenas, comunidades locales y Pueblos Afrodescendientes en tierras y bosques tropicales y subtropicales
Notice bibliographique
Résumé
El interés por utilizar soluciones al cambio climático basadas en la naturaleza (SBN) nunca ha sido mayor entre los Gobiernos, empresas y organizaciones no gubernamentales (ONG) del mundo, debido a los escasos avances que se están produciendo en la reducción de las emisiones de carbono en los países industrializados. En principio, las SBN tienen por objeto movilizar fondos multilaterales, bilaterales y privados para financiar iniciativas de protección, gestión y restauración de los ecosistemas, con el fin de mitigar y eliminar las emisiones de carbono, generando al mismo tiempo beneficios sociales y ambientales. En este informe se resumen los hallazgos de un estudio realizado por la Iniciativa para los Derechos y Recursos (RRI) y la Universidad McGill enfocado en analizar los derechos sobre el carbono11 de los Pueblos Indígenas, las comunidades locales y los Pueblos Afrodescendientes de 33 países: 11 de África, 9 de Asia y 13 de América Latina.12 Se calcula que estos países abarcan el 67 por ciento de los bosques tropicales y subtropicales del mundo13 y, en total, tienen una población rural de 1.54 billones de personas, esto es, más del 44 por ciento de la población rural del mundo. Para este análisis, se recabaron datos sobre 35 indicadores de leyes y políticas nacionales en materia de derechos sobre la tierra, el carbono y los recursos en varios ámbitos, como el derecho constitucional, la administración de la tenencia de la tierra y la legislación forestal, climática y ambiental. El análisis hace referencia a las normas jurídicas que regulan los 96 Regímenes de Tenencia Comunitaria (RTC) que RRI identificó en los 33 países.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».