Community responses to land degradation: Insights from land restoration bright-spot communities in the Ethiopian Highlands
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Land degradation is a pervasive global challenge that undermines ecosystem functions and human well-being, yet evidence remains limited regarding how local communities interpret its drivers, respond to it, and define restoration outcomes. This study assesses these perspectives across twelve community watersheds participating in Ethiopia’s national Sustainable Land Management Program—six high-performing “land restoration bright-spots” and six low-performing sites—through semi-structured interviews with 123 key informants and twelve facilitated group discussions. Applying the Driver–Pressure–State–Impact–Response (DPSIR) framework and the Analytic Hierarchy Process (AHP), we assessed how communities interpret degradation drivers and impacts and compared their restoration choices and intended outcomes. The analysis revealed significant differences (P < 0.001): bright-spot communities primarily attributed degradation to socioeconomic and institutional factors, whereas low-performing groups emphasized biophysical causes. Their restoration approaches and desired outcomes also varied: five of the six bright-spots prioritized vegetation regeneration, and all intended to pursue farming-system transformation as their intended outcome, while low-performing communities showed inconsistent priorities and largely aimed to revert to pre-degradation conditions as their outcome. The findings highlight that communities with stronger environmental stewardship orientations are better positioned to adapt to persistent biophysical constraints by addressing human-induced drivers and adopting innovative restoration practices, enabling more transformative and sustainable landscape restoration outcomes.
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.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle