MétaCan
Menu
Retour à la cohorte
Enregistrement W2916910091 · doi:10.4000/vertigo.20397

Impact des modes de gestion des parcs arborés sur la dynamique des paysages agricoles, un cas d’étude au Sénégal

2018· article· fr· W2916910091 sur OpenAlexvenueno aff
Marame Ba, Jérémy Bourgoin, Ibrahima Thiaw, Valérie Soti

Notice bibliographique

RevueVertigO · 2018
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueAfrican Botany and Ecology Studies
Établissements canadiensnon disponible
Organismes subventionnairesCentre National d’Etudes Spatiales
Mots-clésPolitical scienceHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Au Sénégal, on observe une différenciation remarquable des parcs arborés au sein de mêmes zones pédoclimatiques. Notre contribution s’intéresse à étudier les modes de gestion de ces parcs dans deux sites du département de Bambey situé dans le bassin arachidier du Sénégal. Ces deux sites contrastés, notamment en termes de densité d’arbres, sont pourtant soumis aux mêmes politiques de gestion et de conservation des espaces arborés. Nous faisons ici l’hypothèse que les différences paysagères observées sont dues à des déterminants locaux et des pratiques de gestion différentes. Pour comprendre les facteurs explicatifs de cette hétérogénéité, nous avons enquêté un ensemble d’acteurs intervenant dans la gestion de l’arbre dans les deux sites d’étude. Plus particulièrement, nous nous sommes intéressés aux questions de gouvernance locale, aux usages et utilités de l’arbre, ainsi qu’aux pratiques paysannes vis-à-vis de cette ressource. Les résultats de l’étude indiquent que les modes de gestion paysanne jouent un rôle prédominant dans la structuration du paysage arboré. Les fonctions multiples qu’assure l’arbre font que les paysans opèrent une sélection des arbres qu’ils jugent utiles. Cette sélection paysanne additionnée aux considérations sociales qui diffèrent d’un terroir à un autre fait que les parcs arborés diffèrent d’une parcelle à l’autre et d’un village à l’autre.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,004
Communication savante0,0000,000
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 Opus0,028
Tête enseignante GPT0,247
Écart entre enseignants0,218 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetAfrican Botany and Ecology StudiesTravaux en français237 207