Déterminants de la pérennité des systèmes antiérosifs au Burundi
Bibliographic record
Abstract
La présente étude vise à identifier les déterminants qui contribuent à pérenniser les systèmes antiérosifs au Burundi. Elle a consisté en une enquête sur les caractéristiques de 200 ménages (dont 100 ont conservé les systèmes antiérosifs et 100 autres les ont abandonnés) dans les communes de Kabarore et Rutegama. Les résultats obtenus en analysant les questionnaires d’enquête (test Khi-carré et logit test) et les réponses obtenues au cours des échanges dans les focus group indiquent que ce sont les personnes nanties, mieux informées et formées et disposant d’élevages sont les plus enclines à maintenir un système antiérosif. Par contre, la coercition, les dons en nature ou en espèces ne permettent de maintenir les systèmes que le temps du projet et représentent donc des investissements à éviter. Seules l’animation et la recherche-action participative qui privilégie des technologies faciles (priorités aux haies et non aux fossés) et des incitants qui procurent des ressources aux populations (Herbes fourragères, animaux, Grevillea) et discutés au préalable avec les populations peuvent permettre d’améliorer irréversiblement l’adoption des systèmes antiérosifs.
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 | 0.002 | 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 | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| 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".