Déterminants de la gouvernance forestière dans les forêts communautaires de l’Est-Cameroun
Bibliographic record
Abstract
Au Cameroun, les communautés locales font face à des défis de gouvernance forestière et de propriété des forêts communautaires. Les déterminants du succès de la gouvernance forestière ont été étudiés dans douze forêts communautaires (FC) de l’Est-Cameroun. Des groupes de discussion et des entrevues individuelles ont permis de réaliser la cartographie des acteurs d’appui, de documenter la perception de la gouvernance des forêts communautaires et d’en identifier les déterminants, pour ensuite proposer une échelle de gouvernance des forêts communautaires. Les résultats montrent que les acteurs d’appui influencent grandement la création des forêts communautaires. L’exception de la FC A3 montre qu’une communauté peut créer une forêt communautaire sous la seule impulsion du chef traditionnel, sans soutien extérieur. La perception de la gouvernance forestière par les communautés était positive lorsque l’appui à la création de la forêt communautaire provenait d’acteurs tournés vers la communauté (organisations non gouvernementales, administration des forêts et Église) et négative lorsque l’appui provenait d’acteurs tournés vers la ressource ligneuse (élites et opérateurs forestiers privés). Le diagramme des déterminants relationnels entre communautés et acteurs d’appui, basé sur la cohésion entre les principes de gouvernance (participation, transparence, légitimité, équité, intégration, imputabilité, capacité et adaptabilité), met en évidence les actions correctives possibles pour mieux tenir compte des besoins des communautés afin d’atteindre la dévolution sur l’échelle de la gouvernance.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".