MétaCan
Menu
Retour à la cohorte
Enregistrement W4409409753 · doi:10.5334/ijc.1421

Unshaping Model Forests in the Global South: Trans-local Politics and Community Forestry Knowledge Circulation in Ecuador and Cameroon

2025· article· en· W4409409753 sur OpenAlexaboutno aff
Sandrine Andong, Émilie Dupuits, Leyre Melchiade, Symphorien Ongolo, Álvaro Sánchez Robles

Notice bibliographique

RevueInternational Journal of the Commons · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesUniversidad San Francisco de QuitoInstitut de Recherche pour le Développement
Mots-clésCirculation (fluid dynamics)ForestryPoliticsCommunity forestryGeographyPolitical scienceForest managementPhysics

Résumé

récupéré en direct d'OpenAlex

Forest communities around the world are increasingly connected to defend territorial and community rights over lands and forests. This is how the International Model Forest Network (IMFN) was created in 1995 by the Government of Canada, aiming at bringing together a diverse association of individuals and groups towards a common vision of sustainable development across extensive landscapes. In 2002, the Ibero-American Model Forest Network (RIABM) was created in Costa Rica, and in 2009 the African Model Forest Network (AMFN) emerged in Cameroon. This research examines how Model Forests’ actors build shared knowledge on community-based forest management through trans-local dynamics. It draws on a comparative analysis of the Choco Andino Model Forest, Ecuador, and the Campo Ma’an Model Forest, Cameroon. It shows the financial and project-based opportunities of being part of a Model Forest network, and the challenges related to local appropriation and visibility, political continuity, leadership and tensions with extractive activities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,572

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,026
Tête enseignante GPT0,267
Écart entre enseignants0,242 · 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 tête enseignante, 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'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of the CommonsMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207