L’évaluation environnementale stratégique dans les pays en voie de développement : le rôle des Agences multilatérales de développement
Bibliographic record
Abstract
Les Agences Multilatérales de Développement (AMD) sont considérées comme des corporations qui stimulent et encouragent l’application de l’évaluation environnementale stratégique (EES) au titre de réquisitoire pour la concession des financements. Au sein des AMD, cet instrument fut adopté pour pallier aux limitations de l’évaluation des impacts environnementaux des projets et s’adapter au changement de la politique de financement. Ce changement se caractérise par le financement non seulement des projets, mais aussi des Politiques, Plans et Programmes. L’EES fut adoptée en 1999 par la Banque mondiale, en 2001 par la Banque africaine de développement, en 2003 par la Banque asiatique de développement et en 2007 par la Banque interaméricaine de développement. L’analyse des politiques environnementales des AMD révèle des similarités entre elles en ce qui concerne le processus environnemental dans l’octroi des financements. Le présent article reconnait le rôle des AMD dans la dissémination de l’EES dans les pays en voie de développement et dresse un portrait des EES sollicitées par les corporations de développement pour guider leurs prises de décision. Les résultats obtenus démontrent l’augmentation du nombre des EES appliquées au fil des années et attirent l’attention sur les premières applications de cet instrument qui intervinrent avant son adoption formelle par les AMD. Une analyse restreinte du secteur énergétique révèle que le sous-secteur hydroélectricité se démarque comme étant celui qui a reçu le plus grand nombre des EES. L’article, en conclusion, suggère une caractérisation des EES appliquées à ce sous-secteur compte tenu des impacts causés et de son importance au sein des AMD.
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 | 0.033 | 0.035 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.012 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 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".