Éducation environnementale et programmes d’alphabétisation au Burkina Faso
Bibliographic record
Abstract
Le Burkina Faso, pays sahélien, a une économie essentiellement basée sur l’agriculture. Près de 80% de la population est analphabète et vie de l’agriculture et de l’élevage dans un contexte climatique pas toujours favorable. Dans son histoire, le pays a connu des cas de sécheresse qui ont contribué à accroître la pauvreté et la misère des populations. La question de l’eau est centrale pour ce pays pauvre, enclavé au cœur de l’Afrique occidentale. Chaque année, les pénuries d’eau sont très fréquentes aussi bien en milieu rural qu’en milieu urbain. Dans un tel contexte, comment promouvoir une éducation axée sur une bonne gestion des rares ressources existantes ? Une des solutions préconisées pour la réduction de la pauvreté en général et le développement endogène en particulier réside dans l’organisation de campagnes d’alphabétisation (formation/sensibilisation). L’approche utilisée est participative et touche des sujets très sensibles telles que l’eau, l’hygiène, la santé, …Notre communication se penche d’une part, sur la prise en compte de la question de l’eau dans l’organisation des cours d’alphabétisation, et d’autre part, sur l’impact des campagnes d’alphabétisation sur le comportement des populations par rapport à la problématique de l’eau.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".