Modèle de critères prenant en compte la biodiversité halieutique en planification stratégique portuaire en Guinée
Notice bibliographique
Résumé
Le littoral guinéen est caractérisé par la présence de 300 km de côte, de mangroves, d’aires marines protégées et d’une importante biodiversité halieutique. C’est le lieu de diverses activités socioéconomiques, dont l’exploitation des ressources halieutiques. Cependant, ces ressources sont menacées par la réalisation de nombreux ports minéraliers. Cette situation risque de porter de graves atteintes à la biodiversité halieutique en l’absence de modèle adéquat d’évaluation des effets pour effectuer un choix éclairé de scénario d’aménagement respectueux de l’environnement. Pour contribuer au processus décisionnel, cet article propose un modèle de critères prenant en compte la biodiversité halieutique dans la planification des ports en Guinée. La revue de littérature, les enquêtes et les observations de terrain, ainsi que l’organisation d’une table de concertation des acteurs concernés ont permis d’identifier les principaux enjeux et de construire les critères et indicateurs. Soixante-six entretiens ont été réalisés dans les sites concernés, dont 21 focus groups et 45 entretiens individuels. Les résultats obtenus ont été analysés, synthétisés et soumis à une table de concertation regroupant 25 participants. Les échanges ont permis de préciser et de consolider les enjeux structurés en critères et indicateurs sous l’angle des dimensions du développement durable. Quatorze (14) critères et indicateurs d’effets de niveau stratégique ont été retenus. Ces critères constituent un modèle qui peut être utilisé dans un processus de planification portuaire pour permettre aux acteurs d’avoir une vision globale des effets des aménagements projetés et pour prendre des décisions éclairées.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».