Rapport femme-forêt : vers un écoféminisme de la complexité
Bibliographic record
Abstract
La dégradation de l’environnement constitue l’une des problématiques les plus cruciales du moment, les mécanismes et stratégies pour l’endiguer suscitent encore un certain nombre de débats houleux. L’une des approches privilégiées pour enrayer ce phénomène reste donc la résilience qui permet aux écosystèmes dégradés de retrouver relativement leur intégrité écologique initiale. Cependant, la contribution des femmes qui sont pourtant parmi les couches de la population les plus vulnérables et les plus touchées par cette dégradation reste très peu documentée et donc très peu valorisée. La grande majorité des productions scientifiques au sein des interfaces entre féminisme et écologie bien que constructifs restent très fortement entachées par une sorte de bataille de dualisme, commun à un certain discours scientifique dont la méthode nous semble quelque peu dépassée, ayant donc pour conséquence, d’éroder le substrat même de l’immense contribution desdites approches scientifiques sur la question. Il semble donc urgent et pertinent de regrouper ces contributions en une seule et même approche fondée sur une réflexion de la pensée complexe et sa place dans l’interface féminisme et écologie, approche que nous nommerons ici, « écoféminisme de la complexité ». Cette proposition nous semble d’autant plus pertinente qu’elle permettra de définir une plateforme de valorisation et de capitalisation des initiatives féminines de transformation positive des écosystèmes, en l’occurrence (pour les besoins de cet article) l’expérience de résilience des femmes maraîchères de la forêt classée de Mbao dans la banlieue dakaroise au Sénégal.
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 | 0.009 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.006 | 0.017 |
| Scholarly communication | 0.008 | 0.011 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.017 | 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".