Analyse genrée de la vulnérabilité et du mécanisme d’adaptation au changement climatique au Nord-Bénin
Bibliographic record
Abstract
La faible capacité de résilience de certaines catégories sociales les rend plus vulnérables au changement climatique. Ces catégories sociales développent des mécanismes d’adaptation pour réduire leur vulnérabilité. L’étude vise à analyser la vulnérabilité des populations au changement climatique afin d’appréhender les mécanismes d’adaptation développés par les catégories sociales vulnérables au Nord-Bénin. L’âge, le sexe, les moyens et modes d’existence, les activités économiques, les évènements climatiques, les pratiques d’adaptation et leur nature, et cetera ont été collectés dans le village de Woria (Tchaourou) lors des assemblées villageoises. Ces données ont été traitées à l’aide de techniques d’analyse de discours. Des indicateurs d’exposition et d’impact ont été calculés. Les événements climatiques sont les poches de sécheresse, les vents violents, les inondations, les pluies diluviennes, les arrêts précoces et tardifs des pluies. Les terres et la biodiversité sont des systèmes naturels plus vulnérables que les plans d’eau au changement climatique. Les systèmes humains les plus sensibles aux effets néfastes du changement climatique sont l’agriculture, l’élevage et la santé humaine. La sensibilité de ces systèmes humains rend les agriculteurs, les commerçants et les éleveurs plus vulnérables au changement climatique. Les jeunes et les femmes sont plus vulnérables au changement climatique. Les mécanismes d’adaptation développés sont orientés vers la gestion du temps, la gestion du stock, les cultures, les activités non agricoles et le type de terre utilisée.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 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".