Typologie des élevages bovins laitiers de la région de Souk-Ahras (Algérie)
Bibliographic record
Abstract
L’étude typologique mise en place a pour but de caractériser les différents types d’élevages bovins laitiers dans la wilaya de Souk-Ahras à vocation laitière en Algérie. Pour ceci, nous avons analysé les données d’une enquête qui a porté sur 91 exploitations: analyse des correspondances multiples, suivie d’une classification ascendante hiérarchique. L’analyse a démontré que le foncier, la taille de cheptel et la race sont les principales caractéristiques qui discriminent les trois groupes identifiés (G1, G2 et G3). Les résultats ont en outre démontré une très faible productivité des élevages malgré l’importance du potentiel génétique du cheptel. Ainsi une surface agricole utile et une taille du cheptel importantes dans les deux premiers groupes (G1 et G2) n’ont pas contribué à l’amélioration de la productivité qui reste similaire au (G3) dans lequel la contrainte foncière est plus accentuée. Cette situation est attribuée principalement à la faible production fourragère en raison de la faible pluviométrie et des surfaces irriguées, réservées principalement aux cultures céréalières jugées plus rentables. Devant ce constat, la forte dépendance envers les approvisionnements en concentré dans la ration des vaches peut s’expliquer par les faibles quantités des fourrages disponibles dans les exploitations étudiées.
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 | 0.002 | 0.003 |
| 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) | 0.002 | 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".