Théorie des ensembles flous : une application à l’assurance indicielle au Burkina Faso
Notice bibliographique
Résumé
L’assurance indicielle, considérée dès son introduction dans les pays en développement comme un puissant outil de stabilisation des revenus des paysans et de réduction de la pauvreté, a très vite désenchanté ses promoteurs. L’évolution de la demande de cette assurance est particulièrement décevante dans la majeure partie des pays qui l’ont expérimenté. Au Burkina Faso, on constate une forte baisse des adhésions et partant des superficies et des sommes assurées. La principale raison évoquée par les producteurs est l’absence d’indemnisations ou le très faible niveau d’indemnisation en cas de perte de production (risque de base). La présente étude propose l’utilisation des techniques de classification floue qui autorise l’appartenance partielle à des classes à indemniser pour réduire le risque de base et augmenter l’attractivité de l’assurance indicielle au sein des producteurs de coton au Burkina Faso. Nous avons montré que l’application de la technique de classification floue augmente significativement la probabilité d’être indemnisé (de plus de trois fois par rapport à son niveau actuel) mais aussi la prime de l’assurance. Toutefois selon Elabed et Carter (2014a), les producteurs seraient prêts à payer des sommes substantielles pour atténuer ou éliminer totalement le risque de base.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».