MétaCan
Menu
Retour à la cohorte
Enregistrement W4399072883 · doi:10.4000/11qkz

Les inégalités environnementales d’accès à l’eau en espace rural : défauts de gouvernance de la ressource ou problématique de justice spatiale ? Le cas de l’axe Gorom Lampsar (delta du fleuve Sénégal)

2024· article· fr· W4399072883 sur OpenAlexvenueno aff
Khady Diouf, Emmanuelle Hellier, Awa Niang Fall, Aude Nuscia Taïbi, Alioune Kane, Aziz Ballouche

Notice bibliographique

RevueVertigO · 2024
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueWater Governance and Infrastructure
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceGeographyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Bien que l’accès à l’eau potable soit un droit humain fondamental, les populations les plus défavorisées sont contraintes de s’adapter à de multiples pressions socio-économiques et environnementales : arbitrages dans l’allocation de la ressource, équipements disparates, monétarisation du service, dégradation des milieux aquatiques, impacts du changement climatique global. Fondé sur une enquête empirique au Sénégal et problématisé autour des relations entre justice spatiale et inégalités environnementales, l’article met en relation les conditions sociales des populations avec la qualité de leur cadre de vie, leur niveau et types d’accès aux services d’eau avec les modalités d’allocation de la ressource dans l’espace et dans le temps. Ces dernières dépendent de la gouvernance des ressources combinée à un traitement différencié des espaces et des populations. La région de Saint-Louis du Sénégal est particulièrement illustrative de ces problématiques d’inégalités environnementales - pénurie, pollution des eaux - au détriment des populations autochtones pendant la période coloniale et des populations rurales aujourd’hui. L’accès aux ressources hydriques est ainsi limité par une desserte partielle, par le coût dissuasif de l’eau du réseau et par des dysfonctionnements organisationnels que la réforme des modes de gestion, communautaires puis récemment délégués aux entreprises privées, ne résout pas.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,695
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,010
Tête enseignante GPT0,279
Écart entre enseignants0,268 · 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.

Devis d'étudeSans objet
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

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetWater Governance and InfrastructureTravaux en français237 207