MétaCan
Menu
Retour à la cohorte
Enregistrement W4398204220 · doi:10.4000/11pd7

Perceptions et stratégies d’adaptation au changement côtier aux Comores (Océan indien)

2023· article· fr· W4398204220 sur OpenAlexvenueno aff
Carola Klöck, Ibrahim Mohamed

Notice bibliographique

RevueVertigO · 2023
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Depuis plusieurs décennies, les côtes comoriennes s’érodent, tant en raison du changement climatique qu’à cause des pressions anthropiques locales. Nous étudions ici l’érosion côtière aux Comores, archipel de l’océan Indien, via des enquêtes auprès des habitants de cinq villages côtiers. Nous cherchons principalement à mieux comprendre les perceptions des changements côtiers, de leurs causes et des réponses adoptées face à l’érosion. Nos enquêtes montrent que la population locale est bien consciente du problème de l’érosion et l’attribue à raison à deux facteurs principaux : l’extraction de sable d’un côté, et l’augmentation du niveau marin de l’autre. Pourtant – et paradoxalement – la population favorise majoritairement une seule forme de réponse : la protection côtière dite dure, via les digues. Ces digues sont le plus souvent mal-adaptives, et ne solutionnent pas le problème du prélèvement de sable. Elles n’ont qu’une durée de vie courte et peuvent même accentuer l’érosion. La population ne semble pas consciente de ces effets négatifs, qui sont toutefois bien documentés aux Comores et ailleurs. Il semble nécessaire de mieux informer et sensibiliser les habitants afin de lutter contre la « mentalité des digues » ; en particulier, il faudrait renforcer les capacités locales et la gouvernance locale, surtout dans les contextes de faible gouvernance tels qu’aux Comores.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,141
Score d'incertitude au seuil0,281

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,004
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,060
Tête enseignante GPT0,296
Écart entre enseignants0,235 · 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'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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetAgriculture and Rural Development ResearchTravaux en français237 207