MétaCan
Menu
Retour à la cohorte
Enregistrement W4404513454 · doi:10.4000/12pp9

Évaluation de la vulnérabilité des communautés de montagne face au changement climatique. Région Beni-Mellal-Khénifra, Maroc

2024· article· fr· W4404513454 sur OpenAlexaffvenue
Mounia Achbah, Abdellatif Khattabi, Diane Pruneau, Taieb Boumeaza

Notice bibliographique

RevueVertigO · 2024
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésGeographyPolitical science

Résumé

récupéré en direct d'OpenAlex

Au cours des dernières années, le climat du Maroc est marqué par une hausse des températures et un déclin des précipitations. Ces événements climatiques affectent négativement la productivité des ressources, le bien-être des populations et augmentent leur vulnérabilité. L’étude vise à analyser la perception des populations quant aux impacts du changement climatique sur leurs moyens de subsistance. L’étude s’est déroulée dans la zone de montagne de la région Beni Mellal - Khénifra au Maroc. L’approche participative a été privilégiée, mettant à profit l’animation de sept ateliers et de vingt entretiens semi-structurés. L’approche qualitative a été complétée par la collecte de données tirées des statistiques de l’Agence nationale des eaux et forêts, de l’Office de développement de la coopération, du haut-commissariat au plan et du Département de l’agriculture. Les concepts d’évaluation de la vulnérabilité par les moyens de subsistance et la mesure de la criticité des impacts climatiques (sécheresse et inondations) ont été mobilisés. Les résultats ont montré que la sécheresse est l’aléa qui, selon les participants, affecte le plus leurs ressources, suivi des inondations. La matrice de vulnérabilité a permis de classer les ressources en trois catégories selon leur degré de vulnérabilité au changement climatique : i) les ressources très vulnérables (terrains agricoles, élevage et arboriculture), ii) les ressources vulnérables (ressources en eau, forêt et ressources économiques liées à la céréaliculture, l’apiculture et le maraichage) et enfin, iii) les ressources moyennement vulnérables, constituées des ressources impactées par les inondations (vies humaines, équipement et biens matériels).

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,067
Score d'incertitude au seuil0,134

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,051
Tête enseignante GPT0,296
Écart entre enseignants0,245 · 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetClimate change impacts on agricultureTravaux en français237 207