Capacité des organisations agricoles à créer un écosystème de services support à l’innovation : le cas du label Bio-SPG au Burkina Faso
Notice bibliographique
Résumé
Pour répondre aux nombreux défis que rencontre l’agriculture en Afrique subsaharienne, l’accompagnement à l’innovation et à l’entrepreneuriat innovant et inclusif est fondamental. À ce jour, les recherches dans ce domaine se sont centrées sur les services fournis par les différents acteurs, mais sans s’intéresser aux phénomènes de coordination entre les acteurs qui fournissent ces services. Cet article propose de combler ce manque en étudiant un écosystème de services supports à l’innovation (ESSI) qui s’est mis en place pour accompagner la création du label Bio-SPG au Burkina Faso. Nous avons réalisé une étude de cas historique de cet écosystème à travers des enquêtes auprès des acteurs directement impliqués et la consultation de données secondaires. Les résultats font état d’une mise en place en trois temps de cet écosystème (phases préliminaire, d’initiation et de montée en puissance), de trois niveaux de relations entre les acteurs (fortes, faibles et de l’ordre du contexte) et de l’existence d’une organisation hub qui remplit plusieurs rôles, notamment de mise en relation et de mobilisation des acteurs. Ce travail appelle à approfondir ces questions d’ESSI en Afrique subsaharienne, de rôles de l’organisation hub et de compétences nécessaires pour les assumer.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».