Dynamiques climatiques en milieu sahélien sénégalais : perceptions locales et facteurs socioéconomiques associés dans le nord du Sénégal
Bibliographic record
Abstract
Le changement climatique constitue une menace dans les zones rurales d’Afrique subsaharienne qui dépendent principalement du secteur primaire. Les populations tentent de s’adapter mais les modalités d’adaptation dépendent de la manière différenciée dont les individus perçoivent le changement. La présente étude analyse les perceptions du changement climatique des populations rurales du nord du Sénégal et identifie les facteurs socioéconomiques associés à celles-ci. Au préalable, elle compare les mesures météorologiques et les perceptions du climat dans la zone d’étude. Elle s’appuie sur un questionnaire administré auprès de 905 ménages et sur des données météorologiques de 1990 à 2021 de la station de Saint-Louis. Cette étude mobilise plusieurs méthodes dont le calcul d’indices standardisés des précipitations et des températures et la régression logistique binaire pour déterminer les liens entre facteurs socioéconomiques et perception du changement climatique. L’analyse comparative des données a montré globalement une certaine divergence entre les mesures et les perceptions climatiques. Les résultats des régressions logistiques binaires indiquent que les variables telles que le niveau d’alphabétisation du répondant, son sexe, son appartenance ethnique et le niveau d’insécurité alimentaire qui sévit dans certains ménages affectent la perception climatique des individus et des ménages.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| 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".