De l’indispensable intégration des savoirs climatiques autochtones dans les politiques climatiques en Afrique centrale36
Bibliographic record
Abstract
Les chasseurs-cueilleurs « Pygmées » et les pasteurs nomades « Mbororo » sont deux groupes de peuples autochtones d’Afrique centrale. Depuis des millénaires, ils vivent en harmonie avec la nature. Cette relation fusionnelle avec la nature a contribué à la formation de leurs savoirs sur le fonctionnement des écosystèmes, des milieux naturels et sur le climat. Alors que les savoirs autochtones et locaux sur la nature sont progressivement reconnus dans les instruments internationaux comme la Convention sur la diversité biologique et le Protocole de Nagoya et dans les politiques de développement des États d’Afrique centrale, comme en témoignent de nombreuses études récentes, ceux relatifs au climat tardent à l’être dans les politiques climatiques. Cet article pose ce problème et présente la reconnaissance et l’intégration des savoirs climatiques autochtones dans les politiques climatiques comme une ressource importante pour la lutte contre les changements climatiques en Afrique centrale. Dans la première partie, les auteurs proposent une typologie des savoirs climatiques des chasseurs-cueilleurs « Pygmées » et des pasteurs nomades « Mbororo ». Dans la seconde, ils constatent l’indifférence des politiques climatiques aux savoirs climatiques autochtones et, dans la troisième et dernière partie, ils discutent des approches possibles de leur utilisation dans la lutte contre les changements climatiques en Afrique centrale.
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 | 0.004 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".