Cartographie sémantique par zonage à dires d’acteurs : Le Ferlo (Sénégal) et l’observatoire de Tessekere
Notice bibliographique
Résumé
Le territoire du Ferlo est de plus en plus « occupé », humainement, environnementalement et institutionnellement. Une cartographie basée sur les perceptions des acteurs locaux a été réalisée pour recenser les facteurs qui, aux yeux de ces acteurs, structurent l’organisation spatiale de ce territoire et de ses alentours : usages, pratiques, « pays » ou tout autre facteur recensé. En fusionnant toutes les cartes obtenues, chacune correspondant à un entretien, via une intersection spatiale via QGIS et une combinaison sémantique programmée sur JAVA, nous obtenons une base de données spatialisée sur les déterminants structurant ce territoire. Si les éléments structurants, écologiques et socio-historiques demeurent et tendent même vers la spécialisation des territoires en « pays » de productions, le faible nombre de mois de présence des troupeaux dans le Ferlo (deux mois) ainsi que le recours généralisé à la supplémentation en période de soudure pastorale nous induit à penser à des réorientations de cet élevage vers le sud, mais aussi à identifier des espaces de tension possible là où axe de transhumance nord-sud et axe de colonisation agricole ouest-est se croisent. Cette méthode exploratoire permet une réflexion sur le rôle des observatoires sur l’environnement et celui du Ferlo en particulier.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 ».