Capacité des organisations agricoles à créer un écosystème de services support à l’innovation : le cas du label Bio-SPG au Burkina Faso
Bibliographic record
Abstract
Pour répondre aux nombreux défis que rencontre l’agriculture en Afrique subsaharienne, l’accompagnement à l’innovation et à l’entrepreneuriat innovant et inclusif est fondamental. À ce jour, les recherches dans ce domaine se sont centrées sur les services fournis par les différents acteurs, mais sans s’intéresser aux phénomènes de coordination entre les acteurs qui fournissent ces services. Cet article propose de combler ce manque en étudiant un écosystème de services supports à l’innovation (ESSI) qui s’est mis en place pour accompagner la création du label Bio-SPG au Burkina Faso. Nous avons réalisé une étude de cas historique de cet écosystème à travers des enquêtes auprès des acteurs directement impliqués et la consultation de données secondaires. Les résultats font état d’une mise en place en trois temps de cet écosystème (phases préliminaire, d’initiation et de montée en puissance), de trois niveaux de relations entre les acteurs (fortes, faibles et de l’ordre du contexte) et de l’existence d’une organisation hub qui remplit plusieurs rôles, notamment de mise en relation et de mobilisation des acteurs. Ce travail appelle à approfondir ces questions d’ESSI en Afrique subsaharienne, de rôles de l’organisation hub et de compétences nécessaires pour les assumer.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".