L’éducation à l’environnement au Liban : le travail des ONG dans un pays du Sud global
Bibliographic record
Abstract
Cet article est issu du mémoire de fin d’études de Lise Sanson, diplômée de l’ISTOM (école d’ingénieur.e en agro-développement), réalisé en 2023, au Liban. Nous y rapportons une étude de cas concernant l'éducation à l'environnement au Liban, en particulier auprès des jeunes. Cette étude aborde plus spécifiquement le rôle des ONG dans ce domaine d’action éducative, mettant en évidence les effets positifs de l'implication de telles organisations dans le développement du pays, tels que la flexibilité des actions, la possibilité pour les populations vulnérables d’accéder au processus de développement, l’engagement direct des personnes concernées dans le développement de leurs territoires, l'indépendance vis-à-vis du gouvernement, l’adoption d’un processus plus démocratique et participatif, et l'implication bénévole telle qu’observée dans la plupart des ONG. Nous soulignons l'importance des partenariats avec des organisations publiques, des bailleurs et d'autres ONG. Nous questionnons aussi la pertinence du modèle des ONG qui accentue les mécanismes de dépendance déjà présents dans les pays en développement. Enfin, nous concluons cet article en soulignant l'importance de l’éducation à l’environnement telle que proposée par les ONG dans le développement du Liban et leur contribution à l'avenir du pays, mettant en évidence la nécessité d’implication de la jeunesse au sein de telles initiatives citoyennes.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".