Science for Place-based Socioecological Management: Lessons from the Maya Forest (Chiapas and Peten)
Notice bibliographique
Résumé
The role humans should play in conservation is a pervasive issue of debate in environmental thinking. Two long-established poles of this debate can be identified on a preservation-sustainable use continuum. At one extreme are use bans and natural science-based, top-down management for preservation. At the other extreme is community-based, multidisciplinary management for sustainable resource use and livelihoods. In this paper, we discuss and illustrate how these two strategies have competed and conflicted in conservation initiatives in the Maya forest (MF) of the Middle Usumacinta River watershed (Guatemala and Mexico). We further argue that both extremes have produced unconvincing results in terms of the region's ustainability. An alternative consists of sustainability initiatives based on place-based and integrated-knowledge approaches. These approaches imply a flexible combination of disciplines and types of knowledge in the context of natural human interactions occurring in a place. They can be operationalized within the framework of sustainability science in three steps: 1) characterize the contextual circumstances that are most relevant for sustainability in a place; 2) identify the disciplines and knowledge(s) that need to be combined to appropriately address these contextual circumstances; and 3) decide how these disciplines and knowledge can be effectively combined and integrated. Epistemological flexibility in the design of analytic and implementation frameworks is key. Place-based and integrative-knowledge approaches strive to deal with local context and complexity, including that of human individuals and cultures. The success of any sustainability initiative will ultimately depend on its structural coupling with the context in which it is applied."
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».