État des droits sur le carbone des peuples autochtones, des communautés locales et des peuples afro-descendants dans les terres et forêts des zones tropicales et subtropicales
Bibliographic record
Abstract
Cette note d’information est une mise à jour d’un rapport de RRI et de l’Université McGill datant de 2021 et résume les résultats d’une étude à venir menée par RRI et l’Université McGill pour analyser systématiquement les droits carbone détenus par les peuples autochtones, les communautés locales et les peuples afro-descendantes dans 33 pays d’Afrique (11), d’Asie (9) et d’Amérique Latine (13). Ces pays couvrent environ 67 pour cent des forêts tropicales et subtropicales du monde et ont une population rurale combinée de 1,54 milliard de personnes, soit plus de 44 pour cent de la population rurale mondiale. Nous examinons si et comment les pays protègent actuellement les droits nécessaires aux communautés pour gérer, contrôler et bénéficier du carbone sur leurs terres et pour accéder à la compensation et à la justice lorsqu’elles sont affectées par les initiatives d’échange de carbone. Pour cette analyse, nous avons recueilli des données sur 35 indicateurs issus des lois et politiques nationales relatives aux droits à la terre, au carbone et aux ressources dans plusieurs secteurs, notamment le droit constitutionnel, l’administration des régimes fonciers et les lois sur les forêts, le climat et l’environnement. Dans les 33 pays, notre analyse se réfère aux règles juridiques qui régissent 96 régimes fonciers communautaires (CBTR) identifiés par RRI dans ces pays.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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".