Mise en œuvre opérationnelle d’un projet de compensation carbone de foyers améliorés au Niger
Bibliographic record
Abstract
L’utilisation de foyers « ouverts » traditionnels utilisés au Niger a de lourdes conséquences au niveau environnemental, sanitaire et économique. Le projet de compensation carbone de foyers améliorés présenté ici consiste à remplacer ces foyers traditionnels par des foyers améliorés plus performants (appelés Kiva-Hybride) permettant de réduire la consommation de bois d'origine non renouvelable. La mise en œuvre d’un tel projet nécessite un travail préalable conséquent afin d’assurer sa pérennité sur le terrain : études statistiques, élaboration de différents prototypes de foyers avec tests de performance énergétique, réunions de consultations publiques avec les parties prenantes. Répondant à la méthodologie Gold Standard, ce projet permet non seulement de réduire les émissions de gaz à effet de serre à l’échelle mondiale, mais aussi d’améliorer les conditions de vie des populations locales (lutte contre la déforestation, amélioration de la qualité de l’air intérieur, économies des dépenses et de temps liés à la collecte du bois). En effet, le Kiva-Hybride permet de réduire les besoins en bois d’environ 1,5 tonne/foyer/an en moyenne conduisant à 2,79 teqCO2 d’émissions évitées par an et à l’économie de 47 500 FCFA/an par ménage.
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 | 0.007 | 0.011 |
| 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 | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".