Les déchets post-catastrophe à Haïti : les jeux d’acteurs d’une gestion informelle
Bibliographic record
Abstract
L’étude de la gestion des déchets post-catastrophe est récente dans la littérature scientifique comme chez les acteurs opérationnels de la gestion de crise. Cette activité semble pourtant essentielle pour la réponse immédiate à la crise (déblaiement des voies, des canalisations, etc.) comme pour les phases de récupération et de reconstruction. La gestion des déchets post-catastrophe permet en effet de stimuler une économie locale et d’engager un redémarrage économique, tout en offrant des matières secondaires à la reconstruction et à la vie quotidienne. Les observations présentées dans cet article résultent d’une analyse croisée entre les retours d’expériences internationaux sur les déchets produits par les catastrophes et le travail de terrain effectué à Port-au-Prince suite au séisme de 2010. Il est ainsi possible d’étudier les jeux d’acteurs de la gestion des déchets, les compétences et les moyens engagés par chacun, depuis la communauté internationale jusqu’au petit recycleur informel, en passant par les entreprises ou les pouvoirs publics. Cette diversité d’acteurs caractérise la gestion des déchets post-catastrophe à Haïti. La faiblesse de l’action publique y a laissé une place énorme à l’aide internationale, ayant des budgets très importants. Pour autant, on note que plus de la moitié des déchets ont été pris en charge par la société civile (dominée par le secteur informel) du recyclage et de la construction. Ce contraste entre les ambitions affichées des Nations Unies et la réalité d’une gestion locale et informelle des déchets post-catastrophe constitue la substance de cet article.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.004 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
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".