MétaCan
Menu
Retour à la cohorte
Enregistrement W6992565151

Maanomistajien suhtautuminen kaupalliseen metsästykseen

2023· other· fi· W6992565151 sur OpenAlexaboutno aff

Notice bibliographique

RevueUTUPub (University of Turku) · 2023
Typeother
Languefi
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)Quarter (Canadian coin)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Suomen riistakeskuksen Hyvinvointia riistataloudesta -prosessiin kuuluu edistää riistatalouden hyvinvointivaikutusten tutkimusta ja viestintää niistä sekä riista- ja erätalouden taloudellista toimeliaisuutta ja liiketoimintaa. Vuonna 2021 kerättiin kyselytutkimuksella maanomistajien näkemyksiä hirvieläimistä ja riistataloudesta. Kyselyaineisto on jaettu riistakeskusalueittain ja Uudellamaalla ja Varsinais-Suomessa hirvitalousalueittain. Raportissa tarkastellaan kuinka maanomistajat suhtautuvat maillaan tapahtuvaan kaupalliseen metsästykseen ja millaiset tekijät ennustavat myönteistä tai kielteistä suhtautumista. Metsästyskulttuuri on muuttumassa ja yhä useampi kaupungissa asuva metsästäjä ei omista maata, mutta on silti kiinnostunut metsästämisestä. Näin ollen kaupalliselle metsästykselle, kuten maksullisille hirvieläinjahdeille, metsästyslupien myynnille ja metsästystapahtumille on yhä enemmän kysyntää. Riistatalouden tuomat mahdollisuudet voivat kiinnostaa myös monia maanomistajia ryhtymään riistatalousyrittäjiksi ja kehittämään oman alueensa metsästyskulttuuria. On kuitenkin tärkeää löytää toimivia, kestäviä ja reiluja tapoja järjestää toimintaa niin, että hyödyt jakautuvat oikein kaikille. Kyselyn mukaan vain noin puolet maanomistajista suhtautuu myönteisesti kaupalliseen metsästystoimintaan. Puolet kyselyn vastaajista eivät hyväksy jos metsästysseura tai -seurue myy metsästyslupia tai järjestää maksullisia hirvieläinjahteja heiltä vuokratuilla mailla. Samoin puolet vastaajista eivät missään tapauksessa vuokraisi maitaan yrittäjälle, joka järjestää metsästysmahdollisuuksia heidän maillaan. Osa maanomistajista kuitenkin kokee, että kaupallinen toiminta voisi olla hyväksyttävää jos he saisivat parempia vastikkeita maistaan tai jos tulot ohjattaisiin metsästysseurojen investointeihin. Miltei viidesosa maanomistajista ei osannut sanoa vuokraisivatko he maitaan yrittäjälle. Tämä voi kertoa siitä, että toiminnan laadusta, sopimusehdoista sekä käytännön järjestelyistä ei ole tarpeeksi tietoa saatavilla. Tulosten perusteella maanomistajien ikä, koulutus ja sukupuoli ovat tärkeitä tekijöitä siinä, kuinka he suhtaututuvat kaupalliseen metsästystoimintaan. Tulosten mukaan maanomistajat ajattelevat hyvin samankaltaisesti kaikkialla Suomessa ja sijaintia tärkeämpää on esimerkiksi maanomistuksen hehtaarimäärä. Maanomistaja suhtautuu myönteisemmin maidensa vuokraamiseen yrittäjälle, jos hän arvioi alueellensa suuremman hirvieläinkannan. Toisaalta taas keskimääräinen todellinen hirvi- ja valkohäntäpeurakanta eivät ole yhteydessä muihin kaupallisen metsästyksen muotoihin kuin maanomistajan suhtautumiseen hirvieläinlihan myymiseen. Maanomistajien välillä on eroja ja jopa vastakkaisuuksia siinä kuinka he suhtautuvat metsästyslupien myymiseen ja maksullisiin hirvieläinjahteihin maillansa ja toisaalta taas maidensa vuokraamiseen yrittäjille. Jos maanomistaja on paikallinen tai metsästää, hän on myönteisempi metsästysseurojen harjoittamalle kaupalliselle toiminnalle, mutta kielteisempi maidensa vuokraamiselle yrittäjälle. Kaupungeissa asuvat, ei metsästystä harjoittavat taas ajattelevat toisinpäin. Kehittyvän riistatalouden kannalta onkin tärkeää huomioida, että vaikka laajoja alueellisia eroja ei ole, maanomistajien paikalliset tilanteet ovat hyvin merkittävässä osassa siinä, millainen toiminta sopii eri alueille. Joskus paikallisten metsästysseurojen kaupallisen toiminnan tukeminen on sopivampaa, kun taas joskus riistatalousyrittäjät otetaan vastaan paremmin

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 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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,1510,062

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 Opus0,011
Tête enseignante GPT0,189
Écart entre enseignants0,178 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUTUPub (University of Turku)Même sujetForest Management and PolicyTravaux en français237 207