Classification et valeurs thérapeutiques des plantes ornementales du Togo
Bibliographic record
Abstract
Dans un environnement de plus en plus urbanisé, le besoin de verdure et de fleurs est davantage ressenti pour des raisons d’esthétique et des bienfaits écologiques. Dans les villes du Togo, zones de cette étude, 612 espèces utilisées comme plantes d’ornement sont recensées et identifiées dans 55 exploitations horticoles et plus de soixante-dix espaces aménagés. Environ 52 % des espèces identifiées proviennent de l’Amérique contre 20 % pour l’Afrique. Les 274 espèces préférentielles (RI<80 %) représentent plus de 44 % des espèces recensées. Quinze espèces sont fréquentes et retrouvées dans les 55 occurrences alors que 338 qualifiées de « rares » sont répertoriées dans moins de 10 % des relevés. Ces espèces horticoles sont classées suivant leurs organes décoratifs et leur positionnement spatial spécifique dans les villes. En dehors du rôle ornemental, ces plantes sont utilisées en alimentation, en cosmétique traditionnel et industriel, en psychothérapie et horticulturothérapie, en médecine traditionnelle et conventionnelle. Dans cette étude, 79 espèces regroupées dans 39 familles sont signalées comme plantes médicinales. Les Apocynaceae et Fabaceae (6 espèces) ; les Euphorbiaceae et Liliaceae (5 espèces) ; les Arecaceae et Verbenaceae (4 espèces) sont les familles les mieux représentées.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 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 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".