MétaCan
Menu
Retour à la cohorte
Enregistrement W2582716947 · doi:10.4000/vertigo.18240

Logiques paysannes, production agricole et lutte contre les ravageurs des cultures à Salcedo dans les Andes équatoriennes : stratégies individuelles ou collectives ?

2016· article· fr· W2582716947 sur OpenAlexvenueno aff
Nasser Rebaï, François Rebaudo, Julien Rebotier, Olivier Dangles

Notice bibliographique

RevueVertigO · 2016
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensnon disponible
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésPolitical scienceHumanitiesForestryGeographyArt

Résumé

récupéré en direct d'OpenAlex

En Équateur, le débat sur l’avenir de l’agriculture familiale demeure important en raison de la vulnérabilité des communautés paysannes, en particulier dans la région andine, et d’une situation alimentaire encore préoccupante en milieu rural. Dans ce contexte, la lutte contre les ravageurs des cultures, identifiée par la FAO comme une priorité pour réduire efficacement l’insécurité alimentaire des agriculteurs dans les Suds, apparaît comme un défi de taille pour les communautés paysannes de la sierra équatorienne. Toutefois, le succès de cette lutte reste pour le moment limité en raison d’une faible coordination des pratiques agricoles entre agriculteurs. En s’appuyant sur un travail de terrain réalisé dans la province du Cotopaxi, cet article propose, en premier lieu, de mener une réflexion sur les déterminants du manque d’action collective contre les ravageurs des cultures. Puis, en second lieu, d’ouvrir une discussion sur le besoin d’une plus grande collaboration entre sciences du vivant et sciences sociales afin d’envisager des stratégies plus efficaces pour renforcer la coordination des agriculteurs dans la lutte contre les ravageurs des cultures, et d’améliorer ainsi leur sécurité alimentaire.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,107
Score d'incertitude au seuil0,212

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0030,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,028
Tête enseignante GPT0,264
Écart entre enseignants0,236 · 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'étudeQualitatif
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

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetAgriculture and Rural Development ResearchTravaux en français237 207