MétaCan
Menu
Back to cohort
Record W3182759643 · doi:10.4000/vertigo.30880

La gouvernance des aires marines protégées au Sénégal : difficulté de la gestion participative et immobilisme des comités de gestion

2021· article· fr· W3182759643 on OpenAlexaffvenue
El hadj Bara Dème, Pierre Failler, Grégoire Touron-Gardic

Bibliographic record

VenueVertigO · 2021
Typearticle
Languagefr
FieldSocial Sciences
TopicFrench Urban and Social Studies
Canadian institutionsUniversité du Québec à Montréal
Fundersnot available
KeywordsPolitical scienceHumanitiesArt

Abstract

fetched live from OpenAlex

L’objectif de l’article est d’évaluer le degré de mise en œuvre de l’approche de cogestion dans la gouvernance des aires marines protégées (AMP) au Sénégal. Un travail de terrain (enquêtes de perception et entretiens) a été conduit auprès des parties prenantes dans sept AMP du Sénégal de 2016 à 2018, complété par une analyse conceptuelle des différentes dimensions du cadre de gouvernance. L’article met en avant les difficultés induites par la mise en œuvre de l’approche participative dans la gestion des AMP du Sénégal, et comment ces difficultés remettent en cause la performance même des AMP. Les manquements identifiés sont notamment la léthargie des comités de gestion des AMP, l’existence d’une dualité entre la gestion participative et la gouvernance directive, et enfin, la difficulté à exécuter correctement les mesures de gestion. Les principaux résultats ont ensuite donné lieu à des recommandations pour optimiser la gestion des AMP : après plus d’une quinzaine d’années de fonctionnement de ces AMP, il apparaît évident que le cadre de gouvernance des aires protégées devra être renforcé au Sénégal afin de disposer d’institutions locales plus fortes, plus dynamiques, mais surtout plus fédératrices pour pouvoir atteindre leurs objectifs de conservation et de gestion communautaire des ressources naturelles.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.003
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies
Consensus categoriesScience and technology studies
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.406
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.003
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0010.004
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.045
GPT teacher head0.301
Teacher spread0.256 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations12
Published2021
Admission routes2
Has abstractyes

Explore more

Same venueVertigOSame topicFrench Urban and Social StudiesFrench-language works237,207