Perception et stratégies d’adaptation aux incertitudes climatiques par les exploitants agricoles des zones marécageuses au Sud-Kivu
Bibliographic record
Abstract
La vulnérabilité de l’agriculture familiale au changement climatique ressort de sa dépendance directe des facteurs climatiques (précipitations, températures, rayonnement solaire). En RD Congo où 3/4 de la population vit de ce type d’agriculture, les effets combinés du changement climatique et de COVID-19 sont venus s’ajouter aux problèmes structurels existants (exemple : insécurité persistante, routes de desserte agricole impraticables) pour aggraver les menaces sur les moyens d’existence des ménages ruraux et périurbains. Les entretiens directs avec 148 agriculteurs des zones marécageuses du Sud-Kivu ont permis de comprendre que la perturbation des paramètres climatiques bouleverse les connaissances endogènes des agriculteurs du climat. Ces derniers observent des pluies abondantes de courte durée (76 %), des températures à tendance montante et une saison sèche relativement longue. Les résultats obtenus par la régression logistique indiquent que l’apparition de nouveaux bioagresseurs et l’irrégularité des pluies renforcent significativement la conviction des agriculteurs du changement climatique dans leur milieu. Ce changement s’accompagne d’effets négatifs (la perte de la fertilité des sols, la chute des rendements, la perte des récoltes et les inondations) qui suscitent d’importantes préoccupations des agriculteurs. Leurs stratégies d’adaptation comprennent le curage des cours d’eau, le paillage et l’usage des matières organiques, la diversification des cultures et l’usage des pesticides devenu l’option privilégiée pour contrôler les ravageurs. Les résultats de ce travail peuvent orienter les pouvoirs publics ainsi que les acteurs du développement agricole à définir un programme de renforcement des capacités d’adaptation au changement climatique en formulant de nouvelles stratégies basées sur les savoirs endogènes existants.
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 | 0.000 | 0.000 |
| 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".