L'évaluation, une voie pour faire progresser la promotion de la santé en Afrique ?
Bibliographic record
Abstract
Les méthodes utilisées pour évaluer les interventions en promotion de la santé en Afrique sont-elles adaptées aux spécificités de ce domaine ? Telle est la question à laquelle les auteurs s’efforcent de répondre à partir d’une analyse réflexive de quatre évaluations qu’ils ont conduites au Bénin, Burkina Faso et Mali. Les expériences rapportées témoignent de la volonté d’inscrire la démarche d’évaluation en accord avec les principes de la promotion de la santé mais aussi des difficultés à surmonter les écueils de l’exercice. Il reste encore du chemin à parcourir pour que l’évaluation concilie pleinement les attentes des acteurs et les valeurs de la promotion de la santé : rendre compte de l’ensemble des dynamiques générées par les interventions en promotion en la santé, inscrire l’équité au cœur de la réflexion, soutenir les pratiques innovantes en vue de leur pérennité. Parce qu’elle facilite l’émergence et le partage des visions plurielles de ce concept encore mal cerné, l’évaluation est une voie pour faire progresser la promotion de la santé en Afrique.
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 | 0.180 | 0.202 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.002 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.004 | 0.014 |
| Scholarly communication | 0.020 | 0.016 |
| Open science | 0.003 | 0.006 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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".