MétaCan
Menu
Retour à la cohorte
Enregistrement W4408147911 · doi:10.1016/j.rama.2025.01.009

The Social Fit of Conservation Policy on Working Landscapes

2025· article· en· W4408147911 sur OpenAlexafffundabout
Jeremy Pittman, Raphael Anammasiya Ayambire, Kwaku Owusu Twum

Notice bibliographique

RevueRangeland Ecology & Management · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensUniversity of ManitobaUniversity of Waterloo
Organismes subventionnairesSocial Sciences and Humanities Research CouncilSocial Sciences and Humanities Research Council of Canada
Mots-clésGeographyEnvironmental resource managementBusinessEnvironmental planningEnvironmental science

Résumé

récupéré en direct d'OpenAlex

The working landscapes approach is valuable for extending conservation beyond the boundaries of strict protected areas. Conservation on working landscapes relies heavily on social acceptance and the alignment of conservation programs with local livelihoods. This paper examines farmers and ranchers’ preferences for different policy instruments and incentives that form programs for endangered species conservation in Canada's temperate grassland ecosystem—one of the most imperiled ecosystems on earth. Generally, farmers and ranchers are more concerned about the restrictions that programs impose than they are about the amount of funding the programs provide. Although, trust in the program delivery agent is also a key consideration. Overall, farmers and ranchers prefer instruments that maintain their property rights and provide continuous financial incentives. Additionally, they prefer shorter-term contracts to longer-term contracts or agreements in perpetuity. Many of their preferences extend beyond status quo conservation in Canada, which relies heavily on restrictions, non-continuous financial incentives (i.e., one-time payments), and long-term agreements. We need to augment the existing suite of programs to include flexible and adaptive options to maintain, improve and protect grasslands and the species that depend on them.

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)0,006
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0060,024
Communication savante0,0090,006
Science ouverte0,0010,007
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0120,000

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 Opus0,011
Tête enseignante GPT0,249
Écart entre enseignants0,238 · 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'étudeObservationnel
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

Citations1
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRangeland Ecology & ManagementMême sujetLand Use and Ecosystem ServicesTravaux en français237 207