MétaCan
Menu
Back to cohort
Record W6992565151

Maanomistajien suhtautuminen kaupalliseen metsästykseen

2023· other· fi· W6992565151 on OpenAlexaboutno aff

Bibliographic record

VenueUTUPub (University of Turku) · 2023
Typeother
Languagefi
FieldEnvironmental Science
TopicForest Management and Policy
Canadian institutionsnot available
Fundersnot available
KeywordsGovernment (linguistics)Quarter (Canadian coin)
DOInot available

Abstract

fetched live from OpenAlex

Suomen riistakeskuksen Hyvinvointia riistataloudesta -prosessiin kuuluu edistää riistatalouden hyvinvointivaikutusten tutkimusta ja viestintää niistä sekä riista- ja erätalouden taloudellista toimeliaisuutta ja liiketoimintaa. Vuonna 2021 kerättiin kyselytutkimuksella maanomistajien näkemyksiä hirvieläimistä ja riistataloudesta. Kyselyaineisto on jaettu riistakeskusalueittain ja Uudellamaalla ja Varsinais-Suomessa hirvitalousalueittain. Raportissa tarkastellaan kuinka maanomistajat suhtautuvat maillaan tapahtuvaan kaupalliseen metsästykseen ja millaiset tekijät ennustavat myönteistä tai kielteistä suhtautumista. Metsästyskulttuuri on muuttumassa ja yhä useampi kaupungissa asuva metsästäjä ei omista maata, mutta on silti kiinnostunut metsästämisestä. Näin ollen kaupalliselle metsästykselle, kuten maksullisille hirvieläinjahdeille, metsästyslupien myynnille ja metsästystapahtumille on yhä enemmän kysyntää. Riistatalouden tuomat mahdollisuudet voivat kiinnostaa myös monia maanomistajia ryhtymään riistatalousyrittäjiksi ja kehittämään oman alueensa metsästyskulttuuria. On kuitenkin tärkeää löytää toimivia, kestäviä ja reiluja tapoja järjestää toimintaa niin, että hyödyt jakautuvat oikein kaikille. Kyselyn mukaan vain noin puolet maanomistajista suhtautuu myönteisesti kaupalliseen metsästystoimintaan. Puolet kyselyn vastaajista eivät hyväksy jos metsästysseura tai -seurue myy metsästyslupia tai järjestää maksullisia hirvieläinjahteja heiltä vuokratuilla mailla. Samoin puolet vastaajista eivät missään tapauksessa vuokraisi maitaan yrittäjälle, joka järjestää metsästysmahdollisuuksia heidän maillaan. Osa maanomistajista kuitenkin kokee, että kaupallinen toiminta voisi olla hyväksyttävää jos he saisivat parempia vastikkeita maistaan tai jos tulot ohjattaisiin metsästysseurojen investointeihin. Miltei viidesosa maanomistajista ei osannut sanoa vuokraisivatko he maitaan yrittäjälle. Tämä voi kertoa siitä, että toiminnan laadusta, sopimusehdoista sekä käytännön järjestelyistä ei ole tarpeeksi tietoa saatavilla. Tulosten perusteella maanomistajien ikä, koulutus ja sukupuoli ovat tärkeitä tekijöitä siinä, kuinka he suhtaututuvat kaupalliseen metsästystoimintaan. Tulosten mukaan maanomistajat ajattelevat hyvin samankaltaisesti kaikkialla Suomessa ja sijaintia tärkeämpää on esimerkiksi maanomistuksen hehtaarimäärä. Maanomistaja suhtautuu myönteisemmin maidensa vuokraamiseen yrittäjälle, jos hän arvioi alueellensa suuremman hirvieläinkannan. Toisaalta taas keskimääräinen todellinen hirvi- ja valkohäntäpeurakanta eivät ole yhteydessä muihin kaupallisen metsästyksen muotoihin kuin maanomistajan suhtautumiseen hirvieläinlihan myymiseen. Maanomistajien välillä on eroja ja jopa vastakkaisuuksia siinä kuinka he suhtautuvat metsästyslupien myymiseen ja maksullisiin hirvieläinjahteihin maillansa ja toisaalta taas maidensa vuokraamiseen yrittäjille. Jos maanomistaja on paikallinen tai metsästää, hän on myönteisempi metsästysseurojen harjoittamalle kaupalliselle toiminnalle, mutta kielteisempi maidensa vuokraamiselle yrittäjälle. Kaupungeissa asuvat, ei metsästystä harjoittavat taas ajattelevat toisinpäin. Kehittyvän riistatalouden kannalta onkin tärkeää huomioida, että vaikka laajoja alueellisia eroja ei ole, maanomistajien paikalliset tilanteet ovat hyvin merkittävässä osassa siinä, millainen toiminta sopii eri alueille. Joskus paikallisten metsästysseurojen kaupallisen toiminnan tukeminen on sopivampaa, kun taas joskus riistatalousyrittäjät otetaan vastaan paremmin

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 imitation

Not 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.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: Not applicable
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.088
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.001
Science and technology studies0.0000.001
Scholarly communication0.0000.000
Open science0.0020.001
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.1510.062

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.

Opus teacher head0.011
GPT teacher head0.189
Teacher spread0.178 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designNot applicable
Domainnot available
GenreOther

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".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same venueUTUPub (University of Turku)Same topicForest Management and PolicyFrench-language works237,207