L'adaptation des agriculteurs vivriers du Sénégal au changement climatique : cas de la communauté rurale de Sessène
Bibliographic record
Abstract
Le Sénégal est situé dans une zone soudano-sahélienne particulièrement exposée aux changements du climat, ce dernier rendant l’agriculture, activité principale du pays, précaire. La modification des conditions climatiques, en particulier depuis la fin des années 1960, a fortement affaibli le secteur agricole, majoritairement vivrier et pluvial. Face à l’importance de l’activité agraire vivrière du pays, il apparaît primordial de savoir comment les agriculteurs vivriers du Sénégal ont modifié ou prévoit modifier leurs pratiques en vue de satisfaire leurs besoins alimentaires dans un contexte de changement et de variabilité du climat. Cette étude a été effectuée au sein de la communauté rurale de Sessène selon une approche qualitative et à l’aide d’entretiens, de l’observation participante et d’analyse phénoménologique. Elle a permis de mettre en avant les caractéristiques générales des familles agraires et des exploitations de cette zone, de montrer comment les agriculteurs ont vécu le changement climatique et comment ils envisagent les prochaines années et enfin de discuter de leur capacité d’adaptation. Face au raccourcissement de la saison des pluies, à la diminution des précipitations, à l’intensification des évènements extrêmes et aux impacts de ces modifications sur l’environnement naturel, les agriculteurs vivriers adoptent des mesures aussi bien techniques que socio-économiques.
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 | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.006 | 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".