Social Capital, Community Resilience and Sustainable Forest Governance: A Case Study of the Datuk Sinaro Putih Customary Forest, Jambi, Indonesia
Notice bibliographique
Résumé
Sustainable forest management is crucial for addressing environmental challenges and supporting local communities. This study explores the role of social networks as a form of social capital in supporting sustainable forest management in the Datuk Sinaro Putih customary forest. Through an exploratory qualitative approach, data were collected via interviews, participant observation, and document analysis in the Batu Kerbau and Dusun Baru Jambi indigenous communities. The findings reveal that both internal and external social networks foster resilience, promoting forest protection based on local wisdom. Key forms of resilience—relational, normative, and structural—are critical in preventing deforestation and mitigating external pressures such as corporate encroachment and illegal mining. Strengthening these social networks, particularly through partnerships with governments, NGOs, and research institutions, can enhance equitable and sustainable forest governance. The practical implications highlight the importance of replicating local practices to support community-based Sustainable Development Goals (SDGs). This research contributes to the understanding of how social networks in indigenous communities can support sustainable forest management and offers valuable insights for policymakers, researchers, and practitioners involved in sustainable forest governance. ©2025 The authors. This article is published by IIETA and is licensed under the CC BY 4.0 license (http://creativecommons.org/licenses/by/4.0/).
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 | 0,001 |
| 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 | 0,005 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».