Sfax, laboratoire du développement urbain durable en Tunisie?
Bibliographic record
Abstract
Les initiatives réalisées au nom du développement durable sont souvent critiquées pour leur prise en compte insuffisante des avis et des enjeux locaux, et accusées de se contenter de reproduire des bonnes pratiques décontextualisées. C’est particulièrement le cas dans les pays arabes à régime autoritaire. Cet article revient sur l’expérience de la Stratégie de développement du Grand Sfax (SDGS), considérée comme un succès par plusieurs acteurs internationaux, tunisiens et sfaxiens, afin d’identifier les facteurs de cette réussite relative, tout en soulignant les limites de cette expérience. L’article présente d’abord les débats sur le développement urbain durable dans les pays arabes et notamment dans le contexte tunisien. Puis il analyse l’expérience de Sfax en soulignant le rôle initiateur des institutions internationales, la nature des interactions entre les participants à l’élaboration de cette stratégie et en particulier le rôle des acteurs locaux issus de la société civile, et l’argumentation utilisée qui a permis l’établissement d’un consensus. À travers deux projets issus de cette stratégie, l’article considère l’inscription dans l’histoire locale du développement comme une condition essentielle de la poursuite de ce processus. Toutefois, en s’attachant aux évolutions de ces projets jusqu’à la période actuelle marquée par le changement politique, l’article souligne aussi les limites du consensus atteint, et notamment les tensions qui surviennent autour de l’enjeu social.
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 | 0.003 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.007 | 0.004 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 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".