Situação dos Direitos de Carbono dos Povos Indígenas, das Comunidades Locais e dos Povos Afrodescendentes em Terras e Florestas Tropicais e Subtropicais
Bibliographic record
Abstract
Devido ao progresso limitado na redução das emissões de carbono nos países industrializados, o interesse global no uso de soluções climáticas baseadas na natureza (SbN) nunca foi tão grande entre governos, corporações e organizações não governamentais (ONGs). Em princípio, as SbNs têm o objetivo de alavancar financiamentos multilaterais, bilaterais e privados para financiar iniciativas de proteção, gerenciamento e restauração de ecossistemas para mitigar e remover emissões de carbono e, ao mesmo tempo, gerar benefícios sociais e ambientais. Este resumo apresenta os resultados de um estudo realizado pela Iniciativa pelos Direitos e Recursos (RRI) e pela Universidade McGill para analisar sistematicamente os direitos de carbono dos Povos Indígenas, comunidades locais e Povos Afrodescendentes em 33 países da África (11), Ásia (9) e América Latina (13). Esses países cobrem cerca de 67% das florestas tropicais e subtropicais do mundo e têm uma população rural combinada de 1,54 bilhão de pessoas, mais de 44% da população rural do mundo. Examinamos se e como os países estão atualmente protegendo os direitos necessários para que as comunidades gerenciem, controlem e se beneficiem do carbono em suas terras e tenham acesso à compensação e à justiça quando forem afetadas por iniciativas de comércio de carbono. Para essa análise, coletamos dados sobre 35 indicadores de leis e políticas nacionais relacionadas aos direitos à terra, ao carbono e aos recursos em vários setores, incluindo direito constitucional, administração da posse da terra e leis florestais, climáticas e ambientais. Nos 33 países, nossa análise se refere às normas legais que regem 96 regimes de posse baseados na comunidade (CBTRs) identificados pelo RRI nesses países.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.003 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.020 | 0.004 |
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; both teacher heads agree on what is shown here.
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".