Projet de médiation linguistique des savoirs agronomiques dans l’Ouest de la Côte d’Ivoire
Bibliographic record
Abstract
Initié en 2012 dans le cadre spécifique du prolongement du projet LAGSUS mené en milieu rural toura, le projet de médiation linguistique des savoirs agronomiques pour le développement de la culture de l’arabusta dans l’ouest ivoirien fonde la collaboration des chercheurs en Linguistique pour le développement (LPD) avec les agronomes et les communautés-cibles. Les approches théoriques et méthodologiques intégrées de co-construction des savoirs endogènes et de leur transfert dans l’activité agricole au travers de l’alphabétisation fonctionnelle, contribuent à résoudre efficacement les problèmes socioéconomiques complètement fossilisés dans les pratiques démodées. L’alphabétisation fonctionnelle des ruraux analphabètes dans les zones montagneuses dan, toura et wè contribue à la participation réelle et inclusive des populations de ces milieux à la réalisation de leurs propres ambitions. La présente étude soulève la question de l’introduction de l’alphabétisation fonctionnelle dans la vulgarisation du café Arabusta dans l’ouest ivoirien. Cette contribution scientifique a pour objectifs de : - présenter les effets produits par l’utilisation des langues autres que celles du milieu dans le transfert des savoirs agronomiques en contexte endogène ; - montrer que l’usage des ressources linguistiques générées par les langues toura, dan et wobé permettent la construction de nouvelles technologies ; - mettre en relief la rentabilité socioéconomique de la diffusion des savoirs et savoirs-faire agronomiques dans les langues locales, etc. La démarche théorique de l’étude est celle du développement local élaborée par le Service Universitaire Canadien Outre-mer (SUCO). La méthodologie utilisée s’articule autour de la recherche documentaire et de l’enquête. Concernant les résultats, notons : la mise en place d’une synergie collaborative interdisciplinaire dans l’exécution du projet Arabusta, l’acquisition de supports techniques pour l’introduction/vulgarisation de l’Arabusta dans l’Ouest montagneux et la pratique effective de l’alphabétisation fonctionnelle dans le milieu.
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 | 0.007 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".