Impact des modes de gestion des parcs arborés sur la dynamique des paysages agricoles, un cas d’étude au Sénégal
Bibliographic record
Abstract
Au Sénégal, on observe une différenciation remarquable des parcs arborés au sein de mêmes zones pédoclimatiques. Notre contribution s’intéresse à étudier les modes de gestion de ces parcs dans deux sites du département de Bambey situé dans le bassin arachidier du Sénégal. Ces deux sites contrastés, notamment en termes de densité d’arbres, sont pourtant soumis aux mêmes politiques de gestion et de conservation des espaces arborés. Nous faisons ici l’hypothèse que les différences paysagères observées sont dues à des déterminants locaux et des pratiques de gestion différentes. Pour comprendre les facteurs explicatifs de cette hétérogénéité, nous avons enquêté un ensemble d’acteurs intervenant dans la gestion de l’arbre dans les deux sites d’étude. Plus particulièrement, nous nous sommes intéressés aux questions de gouvernance locale, aux usages et utilités de l’arbre, ainsi qu’aux pratiques paysannes vis-à-vis de cette ressource. Les résultats de l’étude indiquent que les modes de gestion paysanne jouent un rôle prédominant dans la structuration du paysage arboré. Les fonctions multiples qu’assure l’arbre font que les paysans opèrent une sélection des arbres qu’ils jugent utiles. Cette sélection paysanne additionnée aux considérations sociales qui diffèrent d’un terroir à un autre fait que les parcs arborés diffèrent d’une parcelle à l’autre et d’un village à l’autre.
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 | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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".