La déforestation au prisme des terroirs villageois en situation de mosaïque forêt-savane, République Démocratique du Congo
Bibliographic record
Abstract
Les mosaïques forêt-savane constituent une formation écologique hétérogène où la structure et la composition paysagère sont très variables. Cette étude s’intéresse à l'organisation spatiale des activités humaines à l'échelle des terroirs villageois de la Chefferie des Batéké Nord, en République Démocratique du Congo. De quelle manière les activités humaines sont-elles organisées en périphérie des villages ? Existe-t-il une variabilité locale de spatialité de ces activités et quels en sont les facteurs ? Enfin, quels sont les conséquences sur le paysage, notamment en termes de déforestation ? Ces questions sont abordées en croisant des données issues de relevés de terrains géoréférencés et d’enquêtes socio-économiques, le tout confronté à des analyses en géomatique (SIG et télédétection). Un modèle théorique du terroir villageois a été produit pour l’ensemble des villages, présentant une organisation concentrique des activités basée sur les distances maximales parcourues pour chacune d'entre elles. Une variation de ces distances a pu être observée, notamment concernant l’agriculture, en raison de la démographie, de la disponibilité en forêts, de la présence de forêts communautaires et de l'intensité de l'agriculture de rente. Cette variabilité inter-villages met en évidence une typologie villageoise directement liée à la composition paysagère des terroirs, et met en avant différentes situations socio-écosystémiques au sein d'une zone pourtant restreinte. Cela a permis d’identifier des fronts de déforestation, et à l'inverse des zones où le couvert forestier est très peu dégradé. Cette étude entend participer à éclairer les politiques locales en termes de développement et de conservation, en leur permettant d'agir de manière intégrée à l'échelle des villages. En s'appuyant sur le concept de terroir villageois, cette étude met en avant la pertinence de réaliser des études locales, voire micro-locales, afin de mieux appréhender toute la complexité des relations entre les êtres humains et leur environnement, dont l'empreinte est directement visible sur le paysage.
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 | 0.002 |
| Science and technology studies | 0.001 | 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) | 0.006 | 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".