Déterminants de l’adoption des techniques de lutte contre l’érosion hydrique en zone cotonnière du Cameroun
Bibliographic record
Abstract
Dans la zone cotonnière du Cameroun, la pression foncière croissante a conduit à une augmentation des superficies cultivées et accentué l’érosion des sols causée par l’intensité des pluies sur des sols mal protégés. Depuis deux décennies, les aménagements antiérosifs ont été diffusés, mais peu d’études ont analysé les facteurs favorisant leur adoption. L’objectif de cette étude a été d’identifier les facteurs qui ont influé sur l’adoption et l’intensité d’adoption des aménagements antiérosifs par les agriculteurs. Une enquête a été effectuée dans le cadre du projet Eau-Sol-Arbre (ESA) entre 2008 et 2009 auprès de 303 agriculteurs de la zone cotonnière. Les données de cette enquête ont été analysées à l’aide d’un modèle Tobit II. Les résultats ont montré que, parmi les variables étudiées, celles qui ont influencé la décision d’adoption des aménagements antiérosifs par les agriculteurs ont été (a) l’âge des agriculteurs, (b) la perception des problèmes d’érosion par l’agriculteur, (c) leur appartenance à un groupe (religion, ethnie), (d) la disponibilité en main d’oeuvre et (e) la tenure foncière. Les facteurs expliquant l’intensité de cette adoption par les agriculteurs ont été le nombre d’années écoulées depuis leur adoption des aménagements et leur mode d’accès au foncier. Le niveau d’instruction n’a influé ni sur l’adoption ni sur l’intensité de cette adoption. Afin de mieux orienter les actions futures, les programmes de lutte contre l’érosion doivent tenir compte de ces résultats dans leurs méthodes d’intervention, mais aussi dans les évaluations d’impacts socio-économiques.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".