MANAGING WATER QUALITY IN AHETEROGENEOUS LANDSCAPE : A SOCIAL NETWORK PERSPECTIVE
Notice bibliographique
Résumé
Understanding how humans and ecosystems interact across landscapes is an importantchallenge for the development of sustainable societies. Human dominated landscapes arefrequently heterogeneous in their distribution of ecosystems and the associated goods andservices. It can be difficult to create management strategies that cater to diverse demandsfrom different resource managers, while at the same time promoting healthy functioningof ecosystems held in common. I use a social network perspective to analyze howmunicipal management units connect to each other with regards to a water resource intwo watersheds in Québec, Canada. I test the importance of collaborative network ties formunicipalities’ engagement in water quality management activities. I assess ifmunicipalities with different ecosystems, namely agriculture and tourism, engagedifferently in water quality management activities and if they have different socialnetworks. I assess the role of third party actor groups such as Government Ministries andNon-Governmental Organizations that connect municipalities across the diverselandscape. Third party actor groups are instrumental in connecting municipalities acrossa diverse landscape. Municipalities with ecosystems facilitating tourism have morecollaborative ties in the water quality management network and are more engaged inwater quality management activities than municipalities managing for agriculturalproduction. An asymmetry in collaborations and activity engagement for water qualitymanagement has implications for the capacity of the region to encourage basin scalewater management.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».