Indicateurs et pratiques de gestion de la salinité des sols dans le Gorom-Lampsar (delta du Sénégal)
Bibliographic record
Abstract
Au Sénégal, dans les périmètres agricoles de l’axe Gorom-Lampsar (moyen delta du fleuve Sénégal), la petite paysannerie agricole est confrontée à une salinisation secondaire des sols résultant, d’une part, des conséquences des politiques néolibérales initiées dans les années 1980, et, d’autre part, des effets de l’absence d’assistance de la part de l’État dans la politique agricole. Cette situation engendre une absence de cadre de gestion opérationnelle, et par conséquent une mauvaise gestion de l’eau à l’échelle des périmètres. Une telle gestion, ajoutée à de mauvaises politiques d’aménagement qui affaiblissent davantage la maîtrise de l’usage de l’eau ainsi qu’au mauvais drainage et à la mauvaise évacuation des rejets agricoles, cause, au-delà de la salinisation et de l’abandon des terres, la destruction de l’équilibre fragile de cet espace agricole. Dans ce contexte, les paysans utilisent des indicateurs vernaculaires de reconnaissance de la salinité des sols et mobilisent des pratiques agronomiques et hydrauliques associées, lesquelles dominées par l’utilisation des intrants chimiques. Ceci favorise de meilleurs rendements à court terme mais, n’assurent pas forcément une bonne gestion des terres salées qui est inhérente à la gestion de l’eau, laquelle se veut opérationnelle et stratégique.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".