Politiques agricoles, emploi et revenu des femmes au Burkina Faso
Bibliographic record
Abstract
L’économie burkinabè est essentiellement basée sur l’agriculture qui occupe environ 70 % de la population active. Sa contribution au PIB est estimée à 35 % en moyenne au cours des dernières années. Dans ce secteur, 83 % des femmes (Ministère de la Promotion de la Femme, 2016) y travaillent et, par leur production, assurent 75 % de la consommation alimentaire des ménages (profil genre Burkina Faso, 2016). Cependant, elles font face à de nombreux obstacles parmi lesquels un accès limité à la terre et aux ressources productives. Face à ces contraintes, le gouvernement a développé une stratégie et mis en place des politiques visant à créer les bases d’une amélioration des conditions de vie des femmes agricoles. Parmi elles, on peut citer l’amélioration de l’accès des femmes à la terre et aux intrants agricoles (équipements, engrais…). Notre étude évalue, à l’aide d’un modèle d’équilibre général calculable statique, les effets macroéconomiques et sectoriels de ces politiques sur l’emploi et le revenu des femmes. D’après nos résultats, l’accroissement de l’offre de terre, la réduction du coût de l’engrais et l’accroissement de l’offre d’équipement agricole au profit des femmes contribuent à la sécurité alimentaire, à une croissance économique et à l’amélioration des conditions de vie des femmes par le biais de la création d’emploi et l’amélioration du revenu des ménages. Codes JEL: Q18, Q15, C68, J16.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".