MétaCan
Menu
Retour à la cohorte
Enregistrement W2071897417 · doi:10.7202/038494ar

Une méthode pour faciliter la prise en compte de l’élevage dans les comptes nationaux dans les pays de la communauté économique et monétaire de l’Afrique centrale (CÉMAC)

2009· article· fr· W2071897417 sur OpenAlexvenueno aff
Élie Ngongang

Notice bibliographique

RevueRevue de l’Université de Moncton · 2009
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

L’objectif de cette étude est de proposer une réflexion méthodologique sur les modalités de prise en compte des grandeurs comptables de l’élevage dans les pays d’Afrique centrale. La méthode proposée consiste à rendre ces grandeurs comptables peu sensibles aux pertes et aux fluctuations climatiques (afin d’élaborer un système de compte qui ait le statut de règlement et qui impose par là même des fortes contraintes aux États membres) et, en même temps, de reconnaître la valeur ajoutée de l’élevage comme source importante de revenus pour les populations pauvres. Il nous est apparu que la recherche devrait s’orienter vers les axes suivants : l’évaluation en nombre de têtes de la production; la formation brute de capital et des variations de stocks de la branche. Nous avons alors considéré que les fondements de ces analyses devraient s’appuyer tant sur le plan conceptuel que sur le plan pratique pour rendre complètement comparables les agrégats économiques et permettre la cohérence des prévisions. D’un point de vue plus général, le défi politique est non seulement de créer un cadre institutionnel et macroéconomique propice permettant une prise en compte correcte de l’importance de l’élevage, mais aussi de faire en sorte que la croissance de l’économie soit profitable aux plus démunis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,023
Tête enseignante GPT0,231
Écart entre enseignants0,208 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue de l’Université de MonctonMême sujetAgriculture and Rural Development ResearchTravaux en français237 207