MétaCan
Menu
Back to cohort
Record W4398204118 · doi:10.4000/11pdg

Évaluation participative de la performance des mesures de conservation et de restauration du bassin versant de la rivière Mulet (Roche-à-Bateau, Haïti)

2024· article· fr· W4398204118 on OpenAlexaffvenue
Zurcher Mardy, Jean‐Philippe Waaub, Sebastian Weissenberger

Bibliographic record

VenueVertigO · 2024
Typearticle
Languagefr
FieldAgricultural and Biological Sciences
TopicAgriculture and Rural Development Research
Canadian institutionsUniversité TÉLUQUniversité du Québec à Montréal
Fundersnot available
KeywordsGeologyForestryGeography

Abstract

fetched live from OpenAlex

Dans le contexte de gestion durable du bassin versant de la rivière Mulet, un ensemble de mesures de conservation et de restauration ont été identifiées par une approche participative soutenue par la littérature scientifique. Le système d’acteurs locaux impliqués dans ce processus a été défini avec l’aide des organisations locales partenaires travaillant dans le territoire. Dans le but d’évaluer les mesures selon leur performance globale et de les regrouper en des paniers de mesures robustes, la démarche d’aide multicritère à la décision en contexte multi-acteurs a été utilisée. Celle-ci permet de comparer, et de ranger les mesures identifiées en prenant en considération divers critères et indicateurs, et les valeurs et les préférences des différents acteurs engagés, afin de faciliter la négociation en vue de construire une solution consensuelle et partagée, constituée de paniers de mesures. Par l’application de cette démarche, débouchant sur un bon niveau d’accord entre les acteurs du bassin versant, plusieurs mesures appartenant aux catégories agronomiques, végétales, mécaniques, socioculturelles et sociopolitiques ont été retenues, et structurées en des paniers d’interventions selon les niveaux de dégradation du bassin versant. La mise en œuvre de ces mesures vise à rendre le bassin versant mieux adapté aux impacts des changements et de la variabilité climatiques, tout en améliorant les conditions de vie des communautés locales.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.003
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.335
Threshold uncertainty score0.514

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0030.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0000.000
Scholarly communication0.0000.001
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.034
GPT teacher head0.324
Teacher spread0.289 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations1
Published2024
Admission routes2
Has abstractyes

Explore more

Same venueVertigOSame topicAgriculture and Rural Development ResearchFrench-language works237,207