MétaCan
Menu
Retour à la cohorte
Enregistrement W1995340693 · doi:10.4000/vertigo.14361

Relation entre perceptions paysannes de la variabilité climatique et observations climatiques au Sud-Bénin

2013· article· fr· W1995340693 sur OpenAlexvenueno aff
Ulrich Allé, Pierre V. Vissoh, Hervé Guibert, Euloge K. Agbossou, Abel Afouda

Notice bibliographique

RevueVertigO · 2013
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésForestryGeographyPolitical scienceHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

L’étude a pour objectif d’analyser les perceptions paysannes de la variabilité climatique et leur pertinence par rapport aux observations climatiques. À cet effet, elle a comparé des données climatiques de 14 stations et des perceptions paysannes de la variabilité climatique recueillies à partir d’une enquête auprès de 201 chefs d’exploitation (CE) agricole répartis sur 67 villages au sud-Bénin. L’enquête était constituée d’entretiens collectifs et individuels, à questionnaires ouverts, semi-ouverts et fermés. Les CE sont davantage marqués par la dégradation de la qualité des saisons des pluies observée entre 1951-1970 et 1971-1990, en l’occurrence la modification des dates de début et de fin des saisons des pluies, la recrudescence des séquences sèches, la diminution du nombre de jours pluvieux et le déficit pluviométrique, que par la relative récente reprise des précipitations au cours des années 1990 et 2000 sur la région d’étude. Toutefois, le changement d’échelle, de régionale à locale, réduit sensiblement l’écart entre les perceptions paysannes et les observations climatiques. Les CE citent également la baisse des températures et l’augmentation de la fréquence des vents violents pendant les saisons pluvieuses. Ces perceptions sont contraires aux observations climatiques et suggèrent des investigations plus approfondies pour mieux comprendre ces divergences. Face à la variabilité climatique, les CE ont développé des mesures d’adaptation qui globalement traduisent leur perception. Ceci ouvre des perspectives pour l’élaboration de stratégies d’adaptation avec une forte chance d’attirer l’intérêt des producteurs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,222
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,263
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetAgriculture and Rural Development ResearchTravaux en français237 207