Communities living near the Yamuna: Understanding their knowledge & perception of the natural environment
Notice bibliographique
Résumé
The specific river discussed within this paper will be the Yamuna River in India. Unfortunately, due to intensive human intervention, the Yamuna River has also become one of the most degraded rivers in India, imposing significant effects on the socio-economic networks within surrounding villages. This paper aims to understand the knowledge and perception that communities who live near the river and depend on intensive farming have in regards to the natural environment. Contributing to a socio-economic impact assessment this research will serve as a key component to a proposed river restoration project that is being studied by researchers at the University of Guelph and the Jawaharlal Nehru University in India. Determining the villagers' understanding about the natural environment, this paper tries to determine how their level of knowledge impacts their understanding and appreciation for the proposed restoration project. Research methods that were used to gather data included secondary data analysis, participant observation, focus group interviews, household questionnaires, and semi-structured key informant interviews. The analysis of the study finds that although the majority of respondents from the villages studied appeared to have valuable indigenous knowledge in regards to the natural environment, they appeared to lack in-depth knowledge about environmental processes and concepts which affect their communities. The paper concludes by the identification of appropriate environmental education and awareness initiatives that have the potential to ensure community involvement in water conservation efforts in order to mitigate the negative impacts on the Yamuna River. Based on the findings presented in this study, "next steps" for future research that build upon the current work have also been identified.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».