MétaCan
Menu
Retour à la cohorte
Enregistrement W2990645550 · doi:10.3917/rindu1.193.0050

Quelles perspectives pour l’agriculture et la sécurité alimentaire en Afrique subsaharienne en 2050 ?

2019· article· fr· W2990645550 sur OpenAlexaff
Marie De Lattre-Gasquet, Thierry Giordano

Notice bibliographique

RevueAnnales des Mines - Réalités industrielles · 2019
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensMusée de la Civilisation
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesGeographyPhilosophy

Résumé

récupéré en direct d'OpenAlex

La sécurité alimentaire nutritionnelle en Afrique subsaharienne s’est considérablement dégradée au cours des dernières années. Se dessinent des évolutions économiques, sociales, environnementales et politiques qui font peser des risques supplémentaires sur les systèmes alimentaires du continent. Cet article décrit plusieurs scénarios d’évolution possible de l’agriculture et leurs impacts sur les usages des terres (en particulier, les superficies cultivées), le commerce et la sécurité alimentaire et nutritionnelle. Ces scénarios ont été construits en associant entre elles, de manière plausible et cohérente, des hypothèses sur les déterminants des évolutions de l’agriculture, à savoir le contexte global (démographie, politique, économie et innovations, social), le changement climatique, les régimes alimentaires, les relations rural-urbain, les structures agricoles et les systèmes d’élevage et de culture. Renforcer la sécurité alimentaire et nutritionnelle ne sera possible que par un changement de perspective en passant d’approches sectorielles et par filières à des approches systémiques, par des transformations profondes des systèmes alimentaires qui demanderont une coordination forte entre acteurs du système, et par le développement de politiques publiques d’accompagnement de ces changements.

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)0,002
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,138
Score d'incertitude au seuil0,275

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,276
Écart entre enseignants0,253 · 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'étudeThéorique ou conceptuel
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnales des Mines - Réalités industriellesMême sujetAgriculture and Rural Development ResearchTravaux en français237 207