Vulnérabilité et riposte à la COVID-19 en Afrique de l’Ouest
Notice bibliographique
Résumé
Les mesures de riposte adoptées dans le cadre de la maîtrise de l’épidémie de la COVID-19 peuvent avoir eu un impact dévastateur sur les populations les plus fragiles. L’objectif de cet article a été d’analyser la vulnérabilité de certains groupes de la population face à la riposte à la COVID-19 en Afrique de l’Ouest. Parmi les mesures préventives mises en œuvre dans les pays ouest africains, on a recensé le confinement strict dans certains de leurs mégalopoles, le bouclage de villes ou régions avec une liberté de circulation des personnes et des biens, la fermeture des lieux publics dont les établissements scolaires et les campagnes de vaccination contre la COVID-19. Ces différentes mesures de riposte ont davantage participé à l’accroissement des inégalités et une dégradation de la résilience socio-économique chez les groupes les plus vulnérables, les plus faibles de la société. L’absence de filets de protection sociale a contribué à l’aggravation de la précarité des travailleurs du secteur informel. La question du genre et les inégalités d’accès à l’éducation ont connu une exacerbation. Il est nécessaire pour les futures stratégies de riposte aux épidémies de même envergure, de prévoir des mesures tenant compte de réalité concrète de la vulnérabilité et contribuant à assurer une stabilité sociale et économique à toutes les couches de la société.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».