Analyse des pratiques agricoles dans le bassin versant de la rivière Mulet (Roche-à-Bateau, Haïti) et de leur impact sur la dégradation du milieu et les conditions de vie des communautés
Bibliographic record
Abstract
Des pratiques agricoles erronées adoptées par les exploitants pour garantir la production peuvent conduire à des perturbations socio-écologiques au sein de bassins versants. Le bassin versant de la rivière Mulet dans le département Sud en Haïti, a été retenu comme cas d’étude dans l’objectif d’analyser le mode de fonctionnement de ses exploitations agricoles en vue d’identifier les effets que peuvent avoir des pratiques mises en œuvre dans les systèmes de production. À l’effet des pratiques agricoles s’ajoutent les perturbations liées aux conditions climatiques que subit le bassin versant. Nous avons mené une trentaine d’entrevues avec des chefs d’exploitations agricoles ainsi que des entretiens de groupe dans les différents segments du bassin versant (amont, milieu, aval), afin de comprendre les liens existant entre les pratiques agricoles utilisées par les exploitants et la dégradation des ressources naturelles (eau, sol, matière ligneuse). Aussi, des observations directes de terrain ont été réalisées. L’analyse des informations recueillies permet de comprendre que le couplage des pratiques agricoles adoptées par les exploitants et les effets des événements météorologiques extrêmes contribue à la dégradation du bassin versant et, du coup, expose les riverains aux désastres et catastrophes naturelles et à l’insécurité alimentaire.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| 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) | 0.001 | 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".