Perception des populations sur le rôle des aires protégées dans leur résilience face au changement climatique : cas du Parc National de la Marahoué (Centre-Ouest, Côte d’Ivoire).
Bibliographic record
Abstract
Les aires protégées représentent un outil clé pour atténuer les changements climatiques, car elles fournissent aux gens plusieurs services écosystémiques, en particulier les communautés environnantes. Cependant, leurs multiples rôles dans l'adaptation ou la résilience aux changements climatiques sont souvent ignorés. De plus, les services écosystémiques qu'elles fournissent aux populations sont pour la plupart méconnus, ce qui affecte leur appropriation par les communautés riveraines et donc leur protection. Notre étude consiste à évaluer les connaissances des communautés locales sur le rôle joué par le Parc National ivoirien de la Marahoué (PNM) et les services écosystémiques qu'il peut fournir. Plus précisément, l'étude vise à questionner les communautés riveraines sur l'importance du PNM au niveau local et national, ainsi que sur les services écosystémiques qu'il peut fournir en tant que biosphère régionale. Les résultats montrent que les populations locales ont des perceptions différentes du rôle du PNM, de ses atouts et de ses services écosystémiques. Cependant, les connaissances ne sont pas uniformément réparties au sein des communautés riveraines. Les enseignants ainsi que les personnes ayant des niveaux d'éducation supérieurs comprennent mieux les rôles du PNM et ont clairement des connaissances différentes sur les services écosystémiques. Bien qu'une grande partie de la population souhaite être impliquée dans le processus de gestion du PNM, la majorité pense que la gestion de l'aire protégée est mauvaise, et donc que sa restauration est inutile. Afin de mieux intégrer les communautés riveraines dans les processus de gestion du parc, cette recherche met alors en évidence la nécessité de développer des projets de sensibilisation sur les avantages et services écosystémiques qu'offre le PNM au niveau local.
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 imitationNot 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.
Codex and Gemma teacher scores by category
| 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 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".