MétaCan
Menu
Retour à la cohorte
Enregistrement W4398204118 · doi:10.4000/11pdg

Évaluation participative de la performance des mesures de conservation et de restauration du bassin versant de la rivière Mulet (Roche-à-Bateau, Haïti)

2024· article· fr· W4398204118 sur OpenAlexaffvenue
Zurcher Mardy, Jean‐Philippe Waaub, Sebastian Weissenberger

Notice bibliographique

RevueVertigO · 2024
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensUniversité TÉLUQUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésGeologyForestryGeography

Résumé

récupéré en direct d'OpenAlex

Dans le contexte de gestion durable du bassin versant de la rivière Mulet, un ensemble de mesures de conservation et de restauration ont été identifiées par une approche participative soutenue par la littérature scientifique. Le système d’acteurs locaux impliqués dans ce processus a été défini avec l’aide des organisations locales partenaires travaillant dans le territoire. Dans le but d’évaluer les mesures selon leur performance globale et de les regrouper en des paniers de mesures robustes, la démarche d’aide multicritère à la décision en contexte multi-acteurs a été utilisée. Celle-ci permet de comparer, et de ranger les mesures identifiées en prenant en considération divers critères et indicateurs, et les valeurs et les préférences des différents acteurs engagés, afin de faciliter la négociation en vue de construire une solution consensuelle et partagée, constituée de paniers de mesures. Par l’application de cette démarche, débouchant sur un bon niveau d’accord entre les acteurs du bassin versant, plusieurs mesures appartenant aux catégories agronomiques, végétales, mécaniques, socioculturelles et sociopolitiques ont été retenues, et structurées en des paniers d’interventions selon les niveaux de dégradation du bassin versant. La mise en œuvre de ces mesures vise à rendre le bassin versant mieux adapté aux impacts des changements et de la variabilité climatiques, tout en améliorant les conditions de vie des communautés locales.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,335
Score d'incertitude au seuil0,514

Scores Codex et Gemma par catégorie

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

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 Opus0,034
Tête enseignante GPT0,324
Écart entre enseignants0,289 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetAgriculture and Rural Development ResearchTravaux en français237 207