Gestion communautaire des ressources naturelles au Bénin (Afrique de l’Ouest) : le cas de la vallée du Sitatunga
Notice bibliographique
Résumé
Le Bénin, pays de l’Afrique de l’Ouest est confronté à la destruction des terres humides particulièrement dans la partie sud du pays. Les terres humides riches biodiversité sont importantes tant pour les humains que pour milieu naturel. La menace la plus importante est la pression de l’anthropique. Même si ce territoire est reconnu par la Convention Ramsar, la destruction continue. En 1995 le gouvernement a décidé de créer une aire de gestion communautaire pour ces territoires. L’objectif de cette recherche est de comprendre les grands défis liés à la mise en œuvre de la gestion communautaire des milieux humides à travers une étude de cas, en l’occurrence celui de la vallée du Sitatunga. Pour atteindre cet objectif, un séjour de 3 mois a été effectué sur le site. Des entrevues semi-dirigées ont été alors réalisées. Les résultats montrent que la vallée du Sitatunga est considérée comme inutile, voire nuisible, par les populations riveraines rencontrées dans le cadre de l’étude, qui sont davantage préoccupées à se sortir de leur état de pauvreté. Les traditions et valeurs autrefois attribuées à la conservation des milieux humides ont quasiment disparu et l’individualisme est grandissant. Il importe de tenir compte de tous ces facteurs pour espérer véritablement préserver ces milieux. D’un autre côté, parlant de gestion de l’environnement et plus particulièrement de gestion des milieux humides à l’échelle béninoise, le constat n’est pas reluisant. En effet, l’État étant donné son état de sous-développement et donc de manque de ressources, à du mal à coordonner ces activités. Il est de même pour les ONG. La situation est accentuée par l’état des relations entre ONG et structures de l’État qui se considèrent davantage comme des adversaires que comme des partenaires ce qui affecte l’efficacité des activités menées. Pour que la gestion communautaire devienne une réalité, il importe qu’un partenariat soit établi entre les différents acteurs liés à la gestion de la vallée du Sitatunga en particulier et des milieux humides en général : les ONG, l’État et les communautés locales.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».