MétaCan
Menu
Retour à la cohorte
Enregistrement W2520532682 · doi:10.4000/vertigo.18859

Corpus de référentiels d’aide à la décision pour la résilience de la production vivrière aux risques climatiques dans la région Maritime au Togo

2017· article· fr· W2520532682 sur OpenAlexvenueno aff
Komi Sanou, Mathieu Badolo

Notice bibliographique

RevueVertigO · 2017
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesForestryGeographyPhilosophy

Résumé

récupéré en direct d'OpenAlex

La résilience des secteurs économiques face aux risques et mutations climatiques constitue un enjeu majeur de développement en Afrique de l’Ouest. Une information scientifique robuste est essentielle pour formuler et mettre en œuvre des stratégies de résilience efficientes et performantes. Pour l’Afrique de l’Ouest, et singulièrement pour le secteur agricole, rendre disponible une telle information est l’un des défis scientifiques majeurs dans l’élaboration des stratégies de résilience. Au Togo, l’agriculture est l’un des secteurs économiques particulièrement concernés par les questions d’amélioration de la résilience face aux risques climatiques et de catastrophes. À défaut, le développement de ce secteur pourrait être lourdement handicapé par les changements climatiques qui vont altérer les régimes des précipitations et accroître la fréquence et l’intensité des événements climatiques extrêmes. Cet article propose un corpus de référentiels d’aide à la décision pour une amélioration de la gouvernance et des processus de résilience du secteur vivrier dans la région Maritime du Togo. Les référentiels reportés se fondent sur le modèle « ClimProspect » qui est basé sur la méthode du jugement d’expert et couplé avec l’approche participative. Cette dernière a consisté en une collecte de données qualitative au moyen de groupes de villageois. Les résultats ont permis d’identifier des référentiels d’impacts, de vulnérabilités (V1, V2, V3 et V4), de suivi de la vulnérabilité et des chemins de résilience, capables de promouvoir, des espaces de concertation des acteurs intervenant dans la production agricole pour définir et mettre en œuvre des chemins innovants de résilience de ce secteur de développement.

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)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0020,002
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0160,002

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 Opus0,020
Tête enseignante GPT0,285
Écart entre enseignants0,264 · 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'étudeSans objet
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetAgriculture and Rural Development ResearchTravaux en français237 207