MétaCan
Menu
Retour à la cohorte
Enregistrement W2345586591 · doi:10.4000/vertigo.17015

Influence des activités agricoles sur la végétation le long d’un gradient pluviométrique nord-sud du Burkina Faso

2016· article· fr· W2345586591 sur OpenAlexvenueno aff
Massouroudini Akoudjin, Sébastien Kiema, Mamadou Sangaré, Jean César, Jérémy Bouyer, Chantal Kaboré-Zoungrana

Notice bibliographique

RevueVertigO · 2016
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueAfrican Botany and Ecology Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeographyForestry

Résumé

récupéré en direct d'OpenAlex

Les écosystèmes subissent à la foi la pression humaine et climatique depuis des décennies, ainsi l’évaluation de l’état écologique des paysages agraires du Burkina Faso est nécessaire pour mettre en évidence l’action humaine sur l’environnement. Dans le cadre de cette étude, l’objectif est de caractériser quatre zones agro-sylvo-pastorales pour comprendre l’interaction entre le climat, l’action humaine et l’écosystème le long d’un gradient pluviométrique. L’étude a été réalisée sur des gradients anthropiques recoupant les aires protégées, les zones de cultures et les zones pâturées dans quatre zones agro-sylvo-pastorales du Burkina Faso. Des relevés floristiques ont été effectués au niveau des sites de suivis écologiques mis en place, selon la méthode d’inventaire itinérante. La richesse spécifique de la flore a été décroissante le long du gradient pluviométrique et du gradient anthropique. L’analyse factorielle des correspondances des relevés floristiques a permis de séparer le domaine sahélien de la savane. Elle a permis également de représenter 3 types de paysages (aires protégées, zones de cultures et zones pâturées) dans chaque zone agro-sylvo-pastorale. La répartition paysagère s’est faite en fonction de l’occupation du sol, mettant ainsi en évidence l’action humaine. Les zones pâturées se présentent comme des zones à écologie intermédiaire entre les zones de cultures et les aires protégées.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,132
Score d'incertitude au seuil0,618

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,209
Écart entre enseignants0,194 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetAfrican Botany and Ecology StudiesTravaux en français237 207