Défis de l’intégration communautaire dans la conservation de la biodiversité en Afrique de l’Ouest : cas du site Ramsar du complexe lagunaire de Keta Lagoon, Ghana
Bibliographic record
Abstract
L'objectif de cet article est d'analyser les perceptions des communautés locales vis-à-vis du site Ramsar du complexe lagunaire de Keta Lagoon et d'évaluer les principales menaces environnementales pesant sur ces écosystèmes. La méthode de recherche a combiné des entretiens semi-structurés avec des groupes de discussion pour recueillir des données qualitatives approfondies, représentatives des perceptions et des dynamiques locales, couvrant l'ensemble des six districts du complexe lagunaire de Keta Lagoon. Les résultats montrent que les principales menaces identifiées par les communautés locales autour du complexe lagunaire de Keta Lagoon sont la surexploitation des ressources naturelles (mentionnée par 70 % des répondants), le blocage des canaux, la salinisation et les perturbations climatiques. Ces menaces aggravent la dépendance des communautés à leur environnement et ont entrainé une dégradation importante de leurs conditions de vie au cours des 10 à 20 dernières années. Environ 46 % des personnes interviewées ont une connaissance insuffisante ou inexistante du site Ramsar, tandis que 42 % en ont une bonne connaissance. Ce dernier point remet en question l'idée courante selon laquelle les acteurs locaux ont une connaissance approfondie de leur aire protégée et un engagement naturel envers la protection de l'environnement. Malgré cette lacune, il existe une volonté manifeste d'adhésion aux lois de protection environnementale parmi les communautés locales. Ce diagnostic a conduit à la mise à jour du plan d'aménagement 2023-2032 du complexe lagunaire de Keta Lagoon, le premier depuis 1999, visant à restaurer les écosystèmes, atténuer les menaces identifiées, et améliorer les conditions de vie des communautés locales en renforçant leur implication dans la gestion durable du site.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| 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".