Hack The Planet mengakui bahwa kemitraan kami memungkinkan kami untuk menggabungkan kekuatan, sumber daya, dan keahlian, memperkuat dampak dan mendorong solusi inovatif. Berkolaborasi menciptakan nilai bersama dan membangun jaringan, memungkinkan pertumbuhan dan keberlanjutan bersama.

Keterlibatan lokal:
Pemindai mengirimkan peringatan waktu nyata ke ruang kontrol anti perburuan. Peringatan ini juga dapat dibagikan kepada komunitas lokal atau peternakan di sekitarnya, sehingga memungkinkan mereka untuk bertindak sebagai mitra pihak ketiga dalam upaya anti perburuan liar. Dengan melibatkan penduduk setempat secara langsung dalam proses respons, sistem ini mendorong kolaborasi, meningkatkan kesadaran situasional, dan memberdayakan masyarakat untuk mengambil peran aktif dalam melindungi satwa liar.

Scanneredge merupakan hasil kolaborasi dengan organisasi Teknologi untuk Konservasi, Smartparks, Manajemen taman nasional seperti Gonarezhou - Zimbabwe, teknisi taman, penjaga hutan (QRU), dan masyarakat setempat. Melalui kemitraan lintas sektor ini, kami telah menunjukkan bahwa ScannerEdge siap untuk penyebaran yang lebih luas, meningkatkan jumlah taman nasional yang aktif dan jumlah pemindai yang digunakan.

Dengan memanfaatkan peringatan waktu nyata dari ScannerEdge, unit respons dapat dengan cepat menilai dan memitigasi potensi ancaman, seperti perburuan liar atau aktivitas ilegal lainnya.

ScannerEdge mengkhususkan diri dalam memantau sinyal RF dari ponsel dan telepon satelit, serta perangkat komunikasi lainnya, untuk mendeteksi aktivitas manusia di daerah terpencil.

Memastikan bahwa perangkat ScannerEdge dipasang dan dikonfigurasi dengan benar di lapangan, dengan pelatihan menyeluruh bagi operator untuk memaksimalkan keefektifannya dalam mendeteksi aktivitas manusia yang ilegal.

Mengembangkan berbagai metode diseminasi akan memperkuat komunikasi di antara penelitian, kebijakan, dan praktik. Meskipun temuan inti dari sebuah penelitian mungkin tetap konsisten, cara penyebaran hasil penelitian harus disesuaikan dengan kebutuhan, preferensi, dan kapasitas pemangku kepentingan yang berbeda. Pendekatan ini memastikan bahwa informasi tidak hanya dapat diakses tetapi juga berdampak, memberdayakan para pemangku kepentingan untuk membuat keputusan yang tepat atau mengambil tindakan yang tepat.

Sebagai contoh, dalam konteks penelitian pendamping dalam implementasi RENTANG, cara penyampaian hasil kepada pelaksana dan pembuat kebijakan berbeda dengan pendekatan yang digunakan untuk khalayak akademis. Para pembuat kebijakan dan pelaksana sering kali bekerja dalam lingkungan yang bergerak cepat sehingga membutuhkan informasi yang jelas, ringkas, dan dapat ditindaklanjuti. Para pembuat kebijakan dan pelaksana akan mendapatkan manfaat yang paling besar dari komunikasi yang ringkas dan lugas yang menyoroti wawasan yang dapat ditindaklanjuti, yang sering kali berbeda dengan format artikel ilmiah yang terperinci dan terstruktur.

Dengan mengenali dan beradaptasi terhadap perbedaan-perbedaan ini, proyek kami sebagai penelitian pendamping menjembatani kesenjangan antara pembuatan bukti dan penerapan praktis, membina hubungan yang lebih kuat dan kolaborasi yang lebih bermakna antara dunia ilmu pengetahuan, kebijakan, dan praktik.

Proyek TREES menggunakan pendekatan multi-skala dan lintas-disiplin untuk mensintesis data dari analisis lingkungan, sosial, dan ekonomi, sehingga dapat memberikan pemahaman holistik mengenai dampak RENTANG di seluruh Afrika dengan fokus utama di Afrika Timur dan Barat. Untuk mencapai tujuan ini, tujuan keseluruhannya adalah untuk memitigasi dampak perubahan iklim di Afrika melalui penelitian sintesis yang menginformasikan kebijakan dan praktik RENTANG. Pendekatan ini memungkinkan pemahaman yang lebih mendalam mengenai praktik RENTANG dan dampaknya, yang dapat diadaptasi di berbagai wilayah. Dengan menggabungkan data dari berbagai disiplin ilmu, termasuk ilmu lingkungan, ilmu sosial, dan analisis ekonomi, proyek ini memberikan pemahaman holistik mengenai praktik-praktik RENTANG dan interaksinya yang kompleks. Oleh karena itu, metode penelitian serupa diterapkan untuk melihat permasalahan serupa dalam konteks yang berbeda. Metode penelitian multidisiplin yang diterapkan di berbagai negara dikontekstualisasikan untuk menghasilkan solusi yang disesuaikan dengan konteks negara tersebut.

Program mobilitas internasional tahunan selama 3 bulan per tahun disiapkan untuk semua mahasiswa PhD yang berbasis di negara-negara pelaksanaan F4F. Program ini dirancang sedemikian rupa sehingga semua mahasiswa PhD datang ke institusi tuan rumah di Jerman (ZALF) pada waktu yang sama, untuk memfasilitasi sistem supervisi PhD yang terstruktur. Selama berada di Jerman, program ini terdiri dari berbagai komponen yang saling terkait, seperti: kegiatan penelitian berbasis meja, integrasi dalam pertemuan dan acara lembaga tuan rumah, mengikuti lokakarya tentang perencanaan proyek, pelatihan metode, refleksi kemajuan PhD (peluang dan tantangan), pertemuan langsung dengan GIZ/F4F, serta kegiatan penjangkauan, termasuk misalnya simposium oleh GIZ dan ZALF mengenai restorasi di Global South di Bonn dan lokakarya mengenai konsep penelitian pendamping pada TropentagConference2023 di Berlin. Para mahasiswa juga didorong untuk berpartisipasi dalam pelatihan dan konferensi lebih lanjut sesuai dengan minat dan kebutuhan masing-masing.

Untuk memfasilitasi kolaborasi global, penguatan struktur penelitian internasional, peningkatan kapasitas dan pembelajaran global, proyek TREES sebagai solusi sangat bergantung pada kemitraan internasional. Tim itu sendiri terdiri dari sebagian besar negara tandem penelitian internasional, di mana mahasiswa PhD dan Master berasal dari negara tempat mereka belajar dan juga dari Jerman atau negara lain. Sementara setiap mahasiswa memiliki fokus penelitian masing-masing, pengumpulan data direncanakan dan diimplementasikan dalam tandem binasional. Supervisi diberikan dalam tandem supervisi internasional di mana di setiap negara, sebuah universitas menjadi pemimpin negara dan supervisi bersama diberikan oleh organisasi pemimpin proyek.

Kemajuan dalam teknologi on-board dan integrasi AI memiliki potensi besar untuk meningkatkan metode pemantauan buaya berbasis drone yang sudah ada. Peningkatan dalam perangkat keras drone, seperti model hibrida dengan waktu terbang yang lebih lama dan resolusi kamera yang lebih baik, memungkinkan cakupan habitat yang lebih luas dan pengambilan citra yang lebih rinci di lingkungan yang kompleks. Mengintegrasikan kecerdasan buatan (artificial intelligence/AI) merupakan peluang yang signifikan untuk merampingkan analisis citra dengan mengotomatiskan deteksi buaya dan estimasi ukuran menggunakan model alometrik. Peningkatan berbasis AI ini dapat memberikan pemrosesan data yang hampir seketika, mengurangi ketergantungan pada analisis manual yang memakan waktu.

Peningkatan ini saat ini sedang dalam pengembangan. Kami melakukan studi eksperimental di Kamerun pada bulan April 2025 dengan mahasiswa dan peneliti muda dari Universitas Ngaoundéré dan LSM setempat, menggunakan drone yang dilengkapi dengan kamera termal dan lampu sorot, serta pemrosesan data otomatis yang dibantu oleh AI.