Méthodes pour la modélisation dynamique des composantes socioéconomiques et biologiques des systèmes agricoles à petite échelle
Notice bibliographique
Résumé
L’agriculture à petite échelle est une composante clef des systèmes agroalimentaires au niveau mondiale et contribue de manière importante et à l’économie, et à l’alimentation humaine, et ce, en tout particulier dans le cas des communautés Indigènes. Malgré leur importance à l’alimentation mondiale, les systèmes agricoles à petite échelle, en tout particulier ceux qui supportent des communautés Indigènes, font face à de graves défis d’ordre socioéconomique de même qu’environnemental et climatique.Dans ce contexte, l’utilisation des outils de modélisation informatique pourrait contribuer à une meilleure gestion de ces systèmes socioenvironnementaux complexes. Cependant, plusieurs barrières s’opposent à l’application de la modélisation informatique à l’évaluation et à la conceptualisation des systèmes agricoles à petite échelle.Du côté socioéconomique, la complexité des interactions entre variables sociales, économiques et environnementales génère fréquemment des comportements et des réponses contre-intuitives de la part des systèmes agricoles. La modélisation des dynamiques des systèmes est une approche prometteuse envers la simulation participative de ces systèmes; toutefois, le manque de données temporelles des variables clefs de la majorité des systèmes agricoles à petite échelle, de même que la difficulté associée à la représentation des processus biophysiques complexes (tels les changements climatiques ou la croissance des cultures) dans un environnement des dynamiques des systèmes compliquent l’application de cette méthodologie à l’analyse des systèmes agricoles à petite échelle.Du côté écologique et environnemental, ces systèmes incluent une grande diversité de réseaux trophiques agroécologiques qui déterminent les pressions des ravageurs et influencent de manière importante les rendements finaux. Cependant, aucun cadre méthodologique uniformisé n’existe pour la modélisation des dynamiques des populations des réseaux trophiques agroécologiques.La présente thèse propose des nouvelles méthodes et outils informatiques dans le but de contribuer à combler ces lacunes. Du côté socioéconomique, elle propose des méthodes participatives axées sur les dynamiques des systèmes pour évaluer la durabilité environnementale et socioéconomique des systèmes agricoles à petite échelle, dans le contexte de la comparaison de deux systèmes agricoles à petite échelle et Indigènes au Guatemala (l’un orienté vers le marché commercial, l’autre vers l’autosuffisance). Les nouvelles méthodes proposées incluent 1) le développement d’une méthodologie de calibration et validation spatiale axée sur l’inférence hiérarchique bayésienne qui permet la calibration des modèles des dynamiques des systèmes lorsque les données temporelles se font rares, de même que 2) le développement d’un outil informatique générique qui facilite le couplage des modèles des dynamiques des systèmes socioéconomiques aux modèles physiques externes, tel un modèle des cultures. Les résultats de l’application de cette méthodologie au Guatemala indiquent que la méthodologie participative des dynamiques des systèmes décèle bien les variables et relations clefs de ces systèmes socioéconomiques et environnementaux, et que le couplage des modèles génère des prévisions plus précises et réalistes qu’auraient été possibles dans l’absence du modèle physique externe. Du côté agroécologique, la thèse présente 3) une meilleure fondation théorique pour la modélisation de la prédation au sein des réseaux trophiques et 4) un cadre méthodologique et un outil informatique générique pour la modélisation des dynamiques populationnelles des réseaux trophiques agroécologiques. Les résultats présentent la première évidence théorique, axée sur la modélisation calibrée, des dynamiques écologiques responsables de la résurgence des ravageurs dans les systèmes sous contrôle chimique et font démonstration de l’utilité de la gestion intégrée des ravageurs axée sur la modélisation prédictive
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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; 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 ».