MétaCan
Menu
Retour à la cohorte
Enregistrement W4413743251 · doi:10.71279/epw.v60i19.42652

wl-4219-OECMs: Lost Opportunity for Inclusive Conservation?

2025· article· en· W4413743251 sur OpenAlexaboutno aff
Pia Sethi, Neema Pathak Broome, Ghazala Shahabuddin

Notice bibliographique

RevueEconomic and political weekly/Economic & political weekly · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectron and X-Ray Spectroscopy Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiology

Résumé

récupéré en direct d'OpenAlex

The Kunming Montreal Global Biodiversity Framework, under the Convention on Biological Diversity, emphasises rights-based approaches to conservation. Target 3, also known as 30X 30 of the Global Biodiversity Framework envisions achieving conservation goals through equitably governed systems of Protected Areas (PAs) and Other Effective Area-Based Conservation Measures (OECMs), that recognise and integrate indigenous rights. OECMs aim to promote in-situ conservation of habitats outside of Protected Areas and can include a range of ecosystems such as forests, wetlands, and agricultural lands with significant biodiversity. Thus OECMs can be an important means of recognising the conservation efforts of diverse actors, particularly indigenous peoples and local communities. Here we explore the context, opportunities, and challenges of OECMs in India, particularly their potential to support community-led conservation within the current legal context. We focus on the contradictions brought about by the Government of India’s claim in their Sixth National Report submitted to the Convention on Biological Diversity in 2018, that over 20% of India’s geographic area is currently under PAs, by classifying large expanses of India’s different categories of forests and wetlands as PAs under the International Union for Conservation of Nature guidelines. This development quashes the potential of OECMs to recognise conservation efforts beyond the formal PA network, in particular those of indigenous peoples and local communities.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,346
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,314
Écart entre enseignants0,298 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconomic and political weekly/Economic & political weeklyMême sujetElectron and X-Ray Spectroscopy TechniquesTravaux en français237 207