Processus d’évaluation des incidences de la gouvernance des ressources naturelles par la méthode « matrice d’influence » au Burundi et Sud Kivu.
Notice bibliographique
Résumé
Le développement résulte des changements de comportement des gens. La recherche constitue son levier catalyseur. Toutefois, la conceptualisation et la méthodologie d’action restent des défis au cours du processus de transformation de la vie des paysages et des paysans cibles. La question pourrait être donc: quelle est la meilleure approche pour évaluer les projets et les programmes de recherche en Afrique qui permettra de tirer les meilleures leçons apprises des processus interactifs de gouvernance déclenchés au sein des organisations porteuses d’initiatives? La présente étude utilise les outils de la cartographie des incidences « outcome mapping » pour développer les principes d’évaluation des processus de gouvernance multi-acteurs locale sur la base de discussions en focus group, d’interactions avec les experts ainsi que des observations effectuées de mai à juillet 2012 sur les hautes terres du Burundi et du Sud-Kivu en RD-Congo. La démarche a été réalisée dans six sites couvrant deux pays. Il ressort qu’elle permet de cerner les incidences sur la base de variables socio-environnementales ciblées et d’articulations contraignantes perceptibles au cours des initiatives de gouvernance collective des ressources naturelles. Cette démarche pourrait être applicable dans des contextes similaires de gouvernance des ressources naturelles (GRN) dans les tropiques.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,041 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».