Écologisation des huileries de la Province de Meknès (Maroc)
Bibliographic record
Abstract
Le processus de production de l’huile d’olive au Maroc est dominé par des systèmes qui engendrent un sous-produit, les margines, nocif pour l’environnement. Dans cet article, des approches spécifiques sont proposées pour tenter de faire adhérer les oléiculteurs à l’écologisation de cette agro-industrie. Les résultats dévoilent qu’il serait intéressant d’orienter certains oléiculteurs vers les techniques préventives, certes onéreuses pour la majorité de ces opérateurs, mais qui ne produisent pas de margines. En effet, les oléiculteurs concernés par cette technique sont ceux qui ont des revenus trop élevés, ceux qui sont prédisposés à s’organiser dans le cadre de groupements de producteurs, ou ceux qui disposent d’un équipement adaptable. La technique de contrôle, représentée par l’exposition des margines à l’évaporation naturelle dans des bassins, devrait cibler en priorité les anciennes huileries créées avant la promulgation de la réglementation sur les Études d’impact environnemental. Aussi, des actions de collecte des margines devraient être orientées vers les huileries qui ne disposent pas d’espaces pour le bassin d’évaporation. Enfin, des aides devraient être apportées aux plus démunis pour la construction de ces bassins.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 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 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".