Intérêts, stratégies des acteurs et innovation en politiques de développement en Afrique
Bibliographic record
Abstract
Les intérêts sont des variables incontournables pour la compréhension des phénomènes politiques en Afrique. Peu d’auteurs ont cependant proposé un cadre systématique permettant de comprendre le mécanisme à travers lequel cette variable façonne le jeu politique en Afrique. Comment et quand les intérêts (variables stratégiques) permettent-ils d’expliquer les processus d’émergence des politiques et des stratégies de développement sur ce continent ? Cet article propose une contribution originale en faisant le point théorique sur la question et analysant de manière empirique le rôle joué par les intérêts et les stratégies des dirigeants africains dans leurs relations avec les institutions financières internationales dans le processus d’émergence des stratégies de développement, notamment des plans d’ajustement structurel (années 1980 et 1990) et des documents stratégiques pour la réduction de la pauvreté (années 2000 et 2010). Les cas empiriques du Mali et du Togo servent d’illustration aux mécanismes présentés, relatifs particulièrement à l’articulation des intérêts et des stratégies des acteurs aux paradigmes économiques et aux contextes temporels dans l’orientation et la configuration de l’émergence et de la forme des innovations en matière de stratégies de développement 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 | 0.006 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.004 | 0.017 |
| Scholarly communication | 0.010 | 0.008 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".