MétaCan
Menu
Back to cohort
Record W7071124102

Senegalese artisanal fisheries and governance of climate change

2018· other· fr· W7071124102 on OpenAlexaboutno aff

Bibliographic record

VenueMunich Personal RePEc Archive (Ludwig Maximilian University of Munich) · 2018
Typeother
Languagefr
FieldAgricultural and Biological Sciences
TopicAgriculture and Rural Development Research
Canadian institutionsnot available
Fundersnot available
KeywordsClimate changeNova scotiaEcological modernizationFrontier
DOInot available

Abstract

fetched live from OpenAlex

Cette thèse s’intéresse à l’adaptation aux changements climatiques dans la pêche artisanale sénégalaise et plus spécifiquement aux stratégies d’adaptation des pêcheurs et aux mesures politiques mises en œuvre. Le point de départ de ce travail de recherche est le constat que l’Etat du Sénégal, les ONG et les bailleurs de fonds mettent en place depuis quelques années, des mesures d’adaptation au changement climatique à travers de nombreux programmes et projets. Néanmoins, la grande majorité des pêcheurs ne semblent pas se retrouver dans ces mesures. Dans ce contexte, l’objectif de cette thèse est d’en analyser les raisons. Elle part de l’hypothèse qu’il y a une difficulté à traduire concrètement, dans le secteur de la pêche, les politiques d’adaptation au changement climatique au Sénégal du fait, (1) de la non-prise en compte des savoirs et pratiques des pêcheurs face au changement climatique et, (2) de la difficulté à traduire le concept d’adaptation au changement climatique tel que conçu par les politiques (internationales et nationales) sur le terrain de la pêche artisanale. En considérant que les interventions des projets dans l’adaptation au changement s’inscrivent dans les politiques de l’aide internationale au développement, nous préconisons une approche de socio-anthropologie du développement. Ainsi, à travers les outils ethnologiques et ethnographiques utilisées par cette discipline, nous avons d’une part, analysé de manière fine, les savoirs des pêcheurs sur les différents paramètres climatiques ainsi que leurs pratiques de pêche, en prenant l’exemple des pêcheurs guet-ndariens présents sur les principaux centres de pêche du Sénégal. D’autre part, nous avons analysé les politiques internationales et nationales en matière d’adaptation, leur traduction sur le terrain ainsi que leur adéquation avec les préoccupations des pêcheurs. De cette manière, la thèse démontre que les pêcheurs ont longtemps privilégié les savoirs traditionnels, constitués d’un ensemble de connaissances et de raisonnements qu’ils utilisent pour rentabiliser au maximum les sorties et faire face aux aléas du climat. Notre travail montre en revanche, que dans les politiques étatiques, le changement climatique a toujours été considéré comme biophysique et donc relevant du domaine de la gestion de l’environnement. Le Plan d’Action National d’Adaptation et la Stratégie Nationale de Mise en Œuvre se sont en conséquence focalisés sur les vulnérabilités plus naturelles que sociales. Ainsi, la plupart des projets et programmes ont mis l’accent sur la vulnérabilité de la zone côtière sans une véritable distinction entre les actions qui impactent directement les revenus tirés de la pêche et celles qui améliorent les conditions physiques des communautés littorales. Le Plan National d’Adaptation sectoriel de la Pêche, qui devait prendre en compte les préoccupations des pêcheurs, s’est résumé à un renforcement de la politique de gestion des ressources halieutiques et aux mesures de conservation. Il a ainsi occulté les intérêts immédiats des pêcheurs dont les pratiques sont considérées comme aggravant la situation. Ainsi, tout appui aux pêcheurs, dans le but de leur permettre d’améliorer leurs captures, est jugé contraire à la politique d’adaptation. En ce sens notre travail est une contribution à l’analyse critique des politiques d’adaptation au changement climatique. Elle invite à considérer celles-ci comme une problématique de développement, tant les vulnérabilités littorales apparaissent plus sociales que bioécologiques et les solutions relevées davantage de la gouvernance que de la gestion stricto sensu des ressources halieutiques.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.098
Threshold uncertainty score0.195

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.002
Science and technology studies0.0010.002
Scholarly communication0.0030.001
Open science0.0000.002
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0090.000

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.

Opus teacher head0.019
GPT teacher head0.197
Teacher spread0.178 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same venueMunich Personal RePEc Archive (Ludwig Maximilian University of Munich)Same topicAgriculture and Rural Development ResearchFrench-language works237,207