Successful strategies for the implementation of land reform : a peasantsâ account from the Philippines
Bibliographic record
Abstract
Entre 1988 et 2008, les Philippines ont mis en oeuvre le Comprehensive Agrarian Reform Program (CARP) qui visait à redistribuer 9 million d‟hectares de terres agricoles aux paysans sans terre. En dépit des échappatoires du programme et d‟une structure sociale très inégale qui freinent sa mise en oeuvre, ce modèle de réforme agraire présente des résultats surprenants alors que 82% des terres ont été redistribuées. Concernant les terres plus litigieuses appartenant à des intérêts privés, Borras soutient que le succès surprenant de plusieurs cas de luttes agraires s‟explique par l‟utilisation de la stratégie bibingka qui consiste à appliquer de la pression par le bas et par le haut afin de forcer la redistribution. Sa théorie cependant ne donne que peu de détails concernant les éléments qui rendent un cas plus ou moins litigieux. Elle ne traite pas non plus de la manière dont les éléments structurels et l‟action collective interagissent pour influencer le résultat des luttes agraires. Dans ce mémoire, nous nous attardons d‟abord à la manière dont certains éléments structurels – le type de récolte et le type de relation de production - influencent le degré de résistance des propriétaires terriens face aux processus du CARP, contribuant ainsi à rendre les cas plus ou moins litigieux. Ensuite nous analysons l‟influence du contexte structurel et des stratégies paysannes sur le résultat de la mise en oeuvre du programme de réforme agraire. Pour répondre à nos deux questions de recherche, nous présentons quatre études de cas situés dans la province de Cebu.
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 | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.008 | 0.007 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
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".