Les centres de démonstration agricoles chinois en Afrique : étude de cas en Côte d’Ivoire
Bibliographic record
Abstract
Cet article se propose d’analyser les symboles de l’aide agricole chinoise en Afrique : les centres de démonstration. Intégrés dans le secteur prioritairement défini par Pékin, soit l’agriculture, ils figurent toujours en tête des plans d’action des Forums de coopération Chine-Afrique (FOCAC). Effectivement, ils représentent a priori cette expertise chinoise au sein de plusieurs filières, dont la riziculture. Dans ce cadre, ils entrent pleinement dans l’aide au développement octroyée par Pékin qu’elle nomme plus fréquemment « coopération ». Néanmoins, les effets d’annonce ne sont pas toujours suivis de faits tangibles sur le terrain. Ces projets et les acteurs chinois y opérant sont ainsi confrontés à des contextes locaux où des fortes densités rurales, conflits fonciers et bureaucratisation peuvent freiner l’avancement des centres et de leurs implantations. L’étude de cas de Guiguigou, centre situé à proximité de Divo dans le Sud de la Côte d’Ivoire, peut contribuer à une meilleure compréhension de l’aide agricole chinoise. Cette « solidarité » chinoise, qui est liée, comporte finalement ses propres stratégies commerciales, véritables pierres angulaires de la récente relation sino-africaine.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".