Evidence on the Social, Economic, and Environmental Impact of Interventions That Facilitate Bamboo Industry Development for Sustainable Livelihoods: A Systematic Map
Notice bibliographique
Résumé
Bamboo’s perceived potential in livelihood development has led to development interventions that aim to strengthen the bamboo industry via activities such as training participants in bamboo management, strengthening institutions, and raising awareness. Using the Campaign for Environmental Evidence’s guidelines, we systematically map the available evidence of the impact of these interventions. The evidence is scattered across peer-reviewed and grey literature, with no universal reporting standards. Search sources for this systematic evidence map include a bibliographic database, CABdirect (now known as CABI Digital Library); a search platform for peer-reviewed literature, the Web of Science Core Collection; a bibliographic database for academic literature on agriculture and related fields, SEARCH by the USDA National Agricultural Library; a public search engine for scholarly literature, Google Scholar; a general search engine, Google; and the websites of 37 organizations, with both proprietary search engines and Google used to search for pdf files. Overall, 36 documents are included in the final review, describing 28 unique interventions from 13 countries. Most evidence is found outside the peer-reviewed literature. Outcomes including income changes, increased participation and engagement, and policy changes are reported, with economic impacts dominating the evidence base. Very little evidence of negative outcomes is found, likely constrained by reporting bias. Reporting on evidence of these interventions is limited, with many interventions being excluded from the database due to a lack of identifiable evidence of outcomes or impact.
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 ».