Dynamiques dans la gouvernance locale en Inde : le cas des tanks dans la région de Pondichéry
Bibliographic record
Abstract
Ce texte analyse la mise en oeuvre de principes de « bonne gouvernance » en Inde en questionnant la gestion participative de retenues d’eau (tanks) dans la région de Pondichéry. En effet, la gestion de l’eau constitue un prisme intéressant pour comprendre la transformation des systèmes locaux de gouvernance et, en particulier, les repositionnements et résistances des élites traditionnelles. L’analyse s’appuie sur un suivi de terrain de quatre ans, basé à Pondichéry (2013-2017). L’opportunité d’un nouveau programme promouvant la mise en place d’une gestion participative des retenues, d’une part, et l’organisation d’un festival de l’eau, d’autre part, ont permis d’étudier les positionnements des personnes et institutions impliquées ainsi que les accords, les désaccords et les modes de coordination à propos de l’entretien et de la réhabilitation des tanks. Nous constatons une résistance des élites traditionnelles, qui participent à un système clientéliste impliquant des élus en collusion avec des agents de l’administration et des entrepreneurs. Cependant, des médiations alternatives se développent. Elles impliquent des associations et des membres de l’administration au sein d’une coalition élargie qui fait valoir d’autres points de vue sur la gestion des tanks. La « gouvernance horizontale » qu’ils promeuvent échoue toutefois à enrôler plus largement.
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 | 0.006 | 0.006 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".