Capturing the multidimensionality of land-use agents in a deforestation hotspot
Notice bibliographique
Résumé
Given increasing recognition that strategies to transition to sustainable land use should be context specific, structuring the diversity of land-use agents is important. This is particularly so for the world’s tropical deforestation frontiers, where rapid land-use change, driven by diverse agents, leads to stark social-ecological trade-offs. Focusing on the Argentinean Dry Chaco, a global deforestation hotspot, we employed archetyping to identify key types of land-use agents using data from a questionnaire survey covering three main dimensions: agents’ capital assets (what they have), agents’ activities and management (what they do), and agents’ personal characteristics (who they are). We identified five well-differentiated types of land-use agents: forest-dependent smallholders, semi-subsistence ranchers, crop–livestock farmers, agribusiness farmers, and commercial ranchers. Characterizing these major agent types yielded three main conceptual and methodological insights. First, we reveal considerable heterogeneity of land-use agents in the Argentine Dry Chaco, allowing us to move beyond the common yet oversimplified and dichotomic view of agribusinesses vs. smallholders. Second, the agent typology based on all three dimensions captured the diversity of agents much better than any one-dimensional typology alone, demonstrating the value of richer descriptions of land-use agents. Third, all our agent types share characteristics in some dimensions yet differ in others (e.g., forest-dependent smallholders and crop–livestock farmers were similar in who they are, yet different in what they do), explaining how more simplistic agent descriptions arrive at oversimplified agent types. Overall, our work highlights how archetyping can structure complex human–environment phenomena, diverse land-use agents in our case, for guiding tailored, actor-specific policy interventions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».