Processus multi-acteurs pour gerer l?utilisation des eaux usees en agriculture. In FrenchMulti-stakeholder processes for managing wastewater use in agriculture
Notice bibliographique
Résumé
Wastewater use in agriculture is a complex phenomenon since it transcends typical sectoral and geographical policy and planning boundaries, and is influenced by opinions and perceptions. Planning for wastewater use typically requires the involvement of a number of government agencies covering health, water, sanitation, agriculture and irrigation, as well as researchers, community groups and the private sector. Where wastewater use is already taking place spontaneously and unofficially, how can these stakeholders come together to improve the management of the system to maximize the livelihoods benefits while minimizing impacts on health and the environment? One option is the formation of multi-stakeholder platforms, which provide a space for stakeholders to share opinions and seek negotiated solutions in an open and ?level? environment. How effective these are, what outcomes can be expected, and how they can be improved are all questions that are still being asked. This chapter presents three case studies in which multi-stakeholder processes were used to improve wastewater management for urban agriculture. Although differences were observed, there were several cross-cutting lessons. A critical factor is the starting point, including an agreed definition of the problem to be addressed, negotiated goals and a management structure that is acceptable to all stakeholders. When multi-stakeholder processes are externally initiated, as with those reviewed here, it is essential that project priorities are commensurate with local priorities. Finding an institutional home and anchor agency an improve long-term sustainability but care must be taken in considering how this impacts on existing power structures. Participation and representation greatly influence the effectiveness of the process and much may need to be done to support this, for example by strengthening local community groups. A factor that appears to significantly improve participation and engagement is having tangible outputs, which demonstrate to stakeholders the potential of multi-stakeholder platforms.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».