Inégalités des ménages face à la réception de transferts informels. Quelques leçons issues de Ouagadougou (Burkina Faso)
Bibliographic record
Abstract
En Afrique de l’Ouest, la crise macroéconomique persistante empêche tout développement d’une protection sociale institutionnelle volontariste. Les plus vulnérables ne peuvent compter, en termes de soutien, que sur les transferts qu’ils reçoivent de leur entourage familial. C’est dans ce contexte que nous traitons de l’architecture des aides reçues par les ménages dans cinq quartiers suivis par l’Observatoire de la Population de Ouagadougou (Burkina Faso). Nous analysons d’une part les différences de profils entre les ménages aidés et ceux qui ne le sont pas et d’autre part les caractéristiques des appuis reçus en fonction du degré d’urbanisation des quartiers, grâce à des analyses en composantes multiples. Nos résultats montrent que si une faible part des ménages reçoit une assistance informelle, les ménages des quartiers formels en sont les plus dépendants. Le sexe du chef de ménage apparaît comme plus déterminant pour la réception d’une aide informelle que son âge, et les ménages dirigés par une femme, malgré leur forte diversité sociale, sont les plus assistés. D’autres facteurs jouent un rôle très important, comme l’état matrimonial du chef de ménage. En revanche, les ménages les plus pauvres ne constituent pas les plus aidés. De même, le niveau de vie de la famille d’origine du chef de ménage ne joue que très faiblement sur la probabilité pour un ménage de recevoir une aide, ce qui sous-entend une architecture des transferts informels basée davantage sur la proximité géographique que familiale. Enfin, dans l’ensemble, nous avons observé que l’assistance informelle est plus aléatoire dans les quartiers urbanisés alors que, dans les quartiers informels, l’assistance en espèces est jugée comme la moins utile par les bénéficiaires.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".