Mobilités résidentielles et vulnérabilité des ménages dans les quartiers périphériques de Brazzaville (République du Congo)
Bibliographic record
Abstract
Les métropoles d’Afrique subsaharienne se caractérisent actuellement par une croissance urbaine s’accompagnant du développement des espaces périphériques de taille de plus en plus importante. Cette étude analyse l’effet de la localisation aux marges de la ville sur les conditions de vie des ménages des quartiers périphériques de Brazzaville, en se focalisant sur les contraintes liées à la mobilité quotidienne et au fonctionnement des ménages. Dans cette perspective, elle questionne aussi les motifs expliquant la migration des ménages vers ces quartiers et leur rapport avec les difficultés qu’ils y rencontrent. L’étude se base sur trois enquêtes de terrain réalisées en 2014, 2015 et 2017, respectivement auprès des élèves et des chefs de ménages sélectionnés dans les quartiers périphériques de Brazzaville. Les répondants retenus pour l’enquête ont été choisis par la méthode du choix raisonné. Les résultats de l’étude montrent que les ménages issus des migrations résidentielles intra-urbaines (81 %) et confrontés aux problèmes de logements (coûts élevés de loyers, difficultés d’accès aux logements sociaux, etc.) ont quitté les quartiers centraux et péricentraux pour se rendre aux marges de la ville. Cette relocalisation résidentielle a été motivée principalement par la recherche de faibles coûts de loyers et de terrains à construire pour devenir propriétaires. L’installation dans ces espaces non lotis et dépourvus de la plupart des infrastructures et services sociaux de base place les ménages dans une situation de vulnérabilité parfois remarquable. Les dépenses à effectuer pour la mobilité quotidienne des membres des ménages pour la plupart de grande taille (64,53 %) et celles pour les autres besoins constituent pour eux une lourde charge, du fait du faible niveau de revenus pour la majorité d’entre eux (environ 97 %). Les ménages de cinq membres et plus ne dépassant pas des revenus mensuels de 100 000 FCFA (63,05 %) sont les plus vulnérables. Cette faible capacité financière ne leur permet pas de répondre aux multiples contraintes de la vie dans des zones sous-équipées où la mauvaise qualité de l’habitat, les difficultés d’approvisionnement en eau potable et les risques naturels récurrents constituent des défis de taille.
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 | 0.002 |
| 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 | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 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".