À qui appartiennent les terres du monde ? État mondial de la reconnaissance des droits fonciers des communautés autochtones, afro-descendantes et locales de 2015 à 2020
Bibliographic record
Abstract
Depuis que nous avons publié la première édition de À qui appartiennent les terres du monde ? en 2015, la reconnaissance mondiale de l’importance de reconnaître légalement et de sécuriser les droits fonciers communautaires et les droits d’utilisation des ressources des 2,5 milliards de peuples autochtones, de peuples afro-descendants et de communautés locales dans le monde a atteint des sommets sans précédent. Après des décennies de plaidoyer national et international par les titulaires de droits et leurs alliés, la sécurité foncière pour les communautés et les femmes des communautés est désormais reconnue comme une composante intégrale de l’Agenda 2030, sans laquelle les Objectifs de développement durable (ODD), le Cadre mondial pour la biodiversité de Kunming-Montréal et les objectifs de l’Accord de Paris ne pourront pas être atteints. En outre, des preuves de plus en plus nombreuses concluent ce que les peuples autochtones, les peuples afro-descendants et les communautés locales soutiennent depuis longtemps, à savoir qu’ils sont les meilleurs gestionnaires de leurs terres et de leurs ressources. Cette deuxième édition de À qui appartiennent les terres du monde ? rend compte des progrès accomplis au cours des cinq premières années (2015-2020) dans la réalisation des ODD, de l’Accord de Paris et de l’objectif de Land Rights Now visant à doubler la superficie des terres appartenant aux communautés, en fournissant des données actualisées sur l’étendue des terres légalement reconnues comme étant conçues pour les peuples autochtones et les communautés locales et leur appartenant, dans 73 pays couvrant 85 % des terres mondiales.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.018 | 0.002 |
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".