La gestion de l’eau et l’éducation environnementale dans les documents pédagogiques au Burkina Faso
Bibliographic record
Abstract
Le Burkina Faso, pays sahélien, à l’instar des autres pays est confronté à des problèmes de développement liés à des conséquences écologiques sérieuses : l’appauvrissement de la couche d’ozone, les changements climatiques, la dégradation des sols, le déboisement, … Face à tous ces aléas, le gouvernement a pris des mesures institutionnelles en faveur de la protection de l’environnement : la prise de six engagements nationaux dont "une école un bosquet", l’adoption d’un code de l’environnement, l’adoption d’une stratégie nationale d’éducation environnementale qui prend en compte tous les ordres d’enseignement au niveau du formel comme du non formel. En effet, sans un environnement propice aucun développement durable n’est possible. Dans cette lutte pour un environnement favorable, le gouvernement est appuyé par des Institutions internationales telles que l’UNICEF, des organisations non gouvernementales (ONG) et autres associations : Helen Keller International, Amicale des Forestiers du Burkina, Green Cross, …La présente communication essaie de faire le point sur l’éducation à l’environnement et à la gestion de l’eau selon les documents pédagogiques conçus au Burkina et des actions de l’UNICEF et ses partenaires dans le domaine.
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 | 0.008 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.010 | 0.009 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.004 | 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".