Caractérisation des pratiques de distribution des PME agroalimentaires au Sénégal : une analyse par la théorie des pratiques
Bibliographic record
Abstract
L’objectif de cette recherche est d’identifier et d’analyser les pratiques de distribution des PME agroalimentaires sénégalaises qui concourent à la mise à disposition réussie des produits auprès des clients finaux. Pour ce faire, nous avons mobilisé la théorie des pratiques en faisant une étude qualitative exploratoire reposant sur des entretiens individuels semi-directifs auprès de 10 PME agroalimentaires. Nous avons complété ces entretiens par des observations des pratiques réelles. L’analyse des données issues du terrain met en exergue trois pratiques de distribution : la coopération avec les distributeurs, le respect des délais de livraison et la minimisation des coûts. Ces résultats ont permis également d’identifier les matériels utilisés pour bien mener les pratiques de distribution, le savoir-faire mobilisé et la signification attribuée à chaque pratique. L’étude permet de proposer des lignes d’actions que les PME agroalimentaires sénégalaises pourraient mettre en œuvre pour une distribution efficace de leurs produits et des recommandations aux autorités étatiques pour un meilleur accompagnement de ces entreprises.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".