Extension urbaine et protection naturelle : La difficile expérience d’Abidjan
Bibliographic record
Abstract
Les métropoles, dans une dynamique spatiale accélérée, engendrent des effets néfastes sur la nature, comme c’est le cas d’Abidjan. Cette métropole africaine s’individualise par son urbanisation accélérée, hébergeant plus de trois millions de citadins. Pourtant, depuis son érection en capitale ivoirienne, les planificateurs ont prévu son développement. Pour ne pas mettre en péril la biodiversité face à la croissance économique, l’État adopta une politique au service de l’écosystème urbain avec la création d’un parc national à l’intérieur d’Abidjan et d’une forêt classée (Anguédédou) à la périphérie nord de la ville. Mais au-delà des retombées économiques, que de difficultés de gestion du croît démographique! Au niveau économique, l’activité informelle se développe dans l’anarchie. Les gouvernements tentent vainement de les réorganiser et les impacts environnementaux sont significatifs. Le développement des activités économiques en bordure des voies routières rend difficiles les tentatives de verdissement de la ville. À cela s’ajoute la réduction significative des espaces naturels au profit de l’immobilier. Abidjan s’étale pour répondre à la forte demande de logement des citadins quand l’agriculture périurbaine s’hypothèque continuellement. La dégradation du patrimoine naturel d’Abidjan est tellement préoccupante que les impacts de la pression démographique s’étendent aux aires protégées. Pour la pratique agricole, certaines populations ont infiltré ces dernières années la forêt classée d’Anguédédou et s’y sont même établies. La menace d’extinction de la forêt primaire de la périphérie abidjanaise est réelle alors que les mesures de lutte contre la dégradation de l’environnement urbain ne semblent pas prendre en compte le problème de l’étalement de la métropole.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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 teacher head, 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".