Vers l'entrepreneuriat numérique durable au Bénin et en Afrique francophone de l'ouest et du centre
Bibliographic record
Abstract
Ce rapport porte sur les enjeux de l’entrepreneuriat numérique dans l’écosystème béninois et ouest-africain. Il adopte un angle conceptuel et d’analyse basé sur les notions de la digitalisation et de la durabilité notamment dans l’un des secteurs clés de l’économie béninoise qu’est l’agriculture. L’objectif étant de comprendre les opportunités et les défis relatifs à l’entrepreneuriat numérique dans la région. Ce rapport a aussi pour objectif d’identifier des catégories de stratégies utilisées par les principaux acteurs intervenant dans l’écosystème numérique béninois et ouest-africain francophone pour naviguer leurs contextes spécifiques technologiques, économiques, institutionnels et sociaux respectifs. Les résultats de cette étude qualitative énoncent le fort potentiel du Bénin à devenir un leader régional avec un grand avantage de premier entrant dans certains aspects du numérique. De plus, l’étude indique les opportunités pour étendre cette émergence digitale béninoise dans le développement agricole du pays en particulier et de l’Afrique francophone en général. L’agriculture connectée est donc à la portée de plusieurs pays africains francophones si le Bénin continue dans cette lancée d’innovations numériques dans les principaux secteurs de son économie. Pour cela, des réformes et politiques incitatives sont nécessaires tant au niveau national que de la sous-région et de ses entrepreneurs numériques. Ce rapport offre aussi des implications qui pourraient être applicables au contexte de l’Afrique centrale francophone ayant des similarités avec l’Afrique de l’ouest.
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 | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
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".