L'étude s'est concentrée sur l'évaluation de la vulnérabilité des ménages aux chocs au Salvador, en particulier aux catastrophes naturelles liées au changement climatique, afin d'améliorer l'efficacité des programmes de protection sociale en réponse à ces chocs. Pour ce faire, l'analyse des risques et de la vulnérabilité est basée sur les données de l'enquête polyvalente sur les ménages du Salvador (EHPM) et sur des données géospatiales. Ces données ont été utilisées pour évaluer l'impact des chocs climatiques, en utilisant des indices liés au risque d'inondation et à d'autres menaces.
L'analyse a abouti à l'élaboration d'un profil détaillé des principaux chocs et des stratégies d'adaptation des ménages, permettant d'évaluer l'impact de ces chocs sur le bien-être des ménages. Les résultats comprennent également une cartographie des menaces et des chocs au Salvador et une mesure des effets potentiels des chocs sur l'économie et les ménages à l'aide de l'information géospatiale. Cette évaluation complète aidera à renforcer les programmes de protection sociale, rendant ces derniers plus adaptatifs et efficaces face aux besoins des populations vulnérables, et contribuera à améliorer leur qualité de vie tout en réduisant leur vulnérabilité face aux catastrophes naturelles et à d'autres menaces.
Cette étude vise à explorer les trajectoires de développement aux niveaux national et local en utilisant une approche multidimensionnelle. La méthodologie repose principalement sur l'analyse en composantes principales (ACP) appliquée à des données liées aux Objectifs de Développement Durable (ODD). Au niveau national, l'analyse porte sur 137 pays de 1995 à 2020, utilisant 18 variables. Au niveau local, elle couvre 20 pays avec environ 50 variables regroupées en catégories telles que l'environnement, la santé et l'éducation. L'étude compare également les résultats de l'ACP aux classifications de revenus de la Banque mondiale et à la méthodologie des "pairs structurels et aspirationnels". En outre, une analyse spatiale utilisant l'indice de Moran local est effectuée sur les données locales pour examiner la corrélation spatiale du développement.
Les résultats révèlent que la première composante principale (CP1) explique une part importante de la variance des données, corrélée fortement avec la santé, la pauvreté et l'accès à l'eau et à l'électricité au niveau national. Au niveau local, la CP1 est fortement liée à la santé, l'éducation et le niveau de vie. L'indice ACP s'aligne bien avec les classifications de revenus de la Banque mondiale, offrant une vue multidimensionnelle du développement. L'analyse spatiale montre une forte corrélation spatiale du développement (statistique globale de 0,88), révélant des schémas de regroupement et d'effets de débordement du développement. L'étude démontre comment l'ACP et les techniques d'analyse spatiale peuvent offrir une compréhension plus riche des dynamiques de développement, permettant une identification plus précise des pairs structurels et aspirationnels pour les pays, ce qui pourrait avoir un impact significatif sur l'élaboration des politiques de développement.
Le projet RGEF2 a intégré la création d'un outil de suivi innovant pour évaluer la collecte des données en temps réel lors du Recensement des Gabonais Économiquement Faibles dans la province de l'Estuaire. Cet outil, un tableau de bord de suivi, a été conçu pour offrir une visualisation immédiate des progrès de la collecte de données et faciliter la gestion des équipes sur le terrain. Le développement de cet outil a inclus des phases de sélection et d'agencement des composantes, l'élaboration de la structure de l'interface via HTML et CSS, et l'intégration de l'interactivité à l'aide de JavaScript, exploitant des librairies telles qu'OpenLayers pour la cartographie et Highcharts pour les graphiques.
L'outil de suivi a considérablement amélioré la transparence et l'efficacité du processus de collecte. Grâce à sa capacité à fournir des mises à jour en temps réel sur le nombre de personnes enrôlées, interviewées et leur localisation, il a permis une meilleure réactivité aux défis logistiques et une allocation plus efficace des ressources humaines. Cela a non seulement facilité la gestion quotidienne des équipes, mais a également permis une identification rapide des zones sous-couvertes ou des problèmes de collecte, contribuant ainsi à une meilleure qualité des données collectées et à une augmentation de la productivité des équipes sur le terrain.
L’analyse ayant mené à la création du tableau de bord visait à améliorer la prédiction de la pauvreté en combinant des données d’enquêtes et de recensements grâce à des techniques d'apprentissage semi-supervisé et des algorithmes d'apprentissage profond. L'objectif principal est de prédire le statut de pauvreté (pauvre/non-pauvre) en tirant parti de données non étiquetées pour améliorer la précision des prédictions. Pour cela, une première étape de génération de pseudo-étiquettes utilise un modèle de forêt aléatoire, et une seconde étape consiste en l'entraînement d'un réseau de neurones profonds pour la prédiction de la pauvreté, utilisant les pseudo-étiquettes générées lors de la première étape.
Les résultats de cette méthode ont montré une amélioration significative de la capacité à prédire le statut de pauvreté, avec une précision notablement accrue par rapport aux méthodes traditionnelles. Cette amélioration de la prédiction permet non seulement une meilleure allocation des ressources pour les interventions de réduction de la pauvreté, mais également une meilleure adaptation des politiques publiques aux besoins réels des populations. L'approche semi-supervisée, en utilisant à la fois des données étiquetées et non étiquetées, optimise l'utilisation des vastes ensembles de données disponibles, ce qui conduit à une prédiction plus robuste et précise du statut de pauvreté.
Le projet d'évaluation de l'impact géospatial des corridors de transport en Irak visait principalement à examiner l'impact de la réhabilitation des infrastructures routières sur la croissance urbaine et agricole dans un contexte post-conflit. Pour ce faire, l'étude a utilisé la plateforme Google Earth Engine (GEE) pour analyser l'expansion urbaine via des images satellitaires Landsat prises avant, pendant, et après les réhabilitations des segments de l'autoroute Expressway 1. La méthodologie adoptée comportait la classification supervisée des images satellitaires, permettant une analyse fine des changements d'utilisation des terres autour des corridors routiers réhabilités.
Les résultats ont démontré une croissance significative des zones urbaines dans les villes adjacentes aux segments de route réhabilités, reflétant une amélioration de l'accès et des opportunités économiques. En parallèle, l'analyse des données de lumières nocturnes VIIRS a révélé une augmentation de l'intensité lumineuse, suggérant une activité économique accrue et une urbanisation croissante. L'impact de ces transformations peut avoir entraîné une amélioration de la connectivité et des conditions de vie, ce qui constitue un argument de poids pour la planification future des investissements dans les infrastructures dans les régions sortant d'un conflit.
Le rapport étudie l'efficacité du programme de réduction de la vulnérabilité des bidonvilles de San Salvador (VRPSS). Ce programme vise à réduire la vulnérabilité des ménages aux chocs naturels et sociaux par la mise en place d'infrastructures telles que des systèmes de drainage, des routes et l'accès à l'eau potable. Pour évaluer l'impact de ce programme, une étude utilisant la méthode de doubles différences a été réalisée, sur la base d'enquêtes auprès des ménages menées avant et après l'intervention. Ces données permettent de suivre les conditions de vie et de saisir les améliorations perceptibles suite à l'intervention.
Les résultats indiquent une augmentation significative de la résilience des ménages aux chocs externes, avec une amélioration notable de 43 points de pourcentage dans la propension à rapporter une amélioration des conditions de vie. Le programme a également réduit la prévalence de l'insécurité et augmenté les revenus des ménages bénéficiaires. En outre, il a eu un impact positif sur l'accès aux actifs, tel que l'électricité et l'eau. Ces changements suggèrent que l'investissement dans des infrastructures de mitigation des risques est crucial pour améliorer le bien-être et la résilience des ménages vivant dans des zones urbaines précaires.
L'étude visait à évaluer une méthode d'estimation de la population à partir d'images satellites à très haute résolution (VHR), en utilisant des techniques d'apprentissage profond pour détecter des géo-objets résidentiels dans des contextes où les recensements complets sont difficiles à réaliser. Une image satellite de 2008 du Soudan a servi à annoter diverses classes de bâtiments pour créer un jeu de données entraînant un modèle de détection d'objets basé sur les réseaux neuronaux convolutionnels (CNN). Le modèle a été affiné pour détecter les mêmes classes de bâtiments sur des images de 2021, établissant ainsi un lien entre les géo-objets résidentiels et la taille de la population basée sur des données de terrain disponibles.
Le modèle a atteint une précision moyenne de 79% lors de l'entraînement et de 99% lors de la validation, révélant une différence notable due à la prédominance de classes bien détectées dans l'ensemble de validation. Ces résultats ont permis d'estimer la population de 2021 en détectant des maisons dans les images récentes, en utilisant les relations établies entre les classes de maisons et le nombre moyen d'habitants par maison. Cette caractérisation de la population est cruciale pour la préparation des recensements futurs, offrant une méthode alternative pour la collecte de données démographiques dans les pays en développement confrontés à des contraintes de ressources ou à des instabilités politiques.
L'objectif de cette étude est d'examiner l'impact de la pandémie de COVID-19 sur les ajustements de la taille des ménages et la dynamique de la pauvreté au Gabon, en utilisant des données issues de deux enquêtes et d'un recensement avant, pendant et après la pandémie. La méthodologie repose sur une stratégie d'identification en deux étapes utilisant des variables instrumentales pour isoler l'impact causal de la COVID-19 sur divers indicateurs tels que la consommation moyenne des ménages, la pauvreté et la taille des ménages. Cette approche tente de surmonter les problèmes d'endogénéité, notamment le biais de variable omise et le biais de simultanéité, qui pourraient compromettre la validité des estimations par les moindres carrés ordinaires.
Les résultats révèlent que les mesures restrictives liées au COVID-19 ont conduit à une réduction drastique de la consommation totale par tête des ménages de 97,4 %. Les dépenses non alimentaires ont connu une réduction plus significative (164,8 %) par rapport aux dépenses alimentaires (52,1 %), indiquant que les ménages privilégient les biens essentiels pendant les chocs de revenus comme la pandémie. L'étude montre également une augmentation substantielle des niveaux de pauvreté, bien que la pauvreté extrême n'ait pas significativement changé. En explorant l'impact de la pandémie sur la composition des ménages, nos estimations indiquent une augmentation de la taille des ménages, en particulier parmi les individus âgés de 0 à 14 et de 15 à 24 ans. Toutefois, aucun changement significatif n'a été observé pour les individus de plus de 25 ans. Ces résultats soulignent l'efficacité potentielle des programmes de soutien social ciblés pour atténuer la pauvreté pendant les chocs de revenus comme la pandémie de COVID-19.
L'étude visait à évaluer l'efficacité du Programme de partenariats productifs dans l'agriculture (PPAP) en Papouasie-Nouvelle-Guinée, un projet conçu pour améliorer la productivité et les revenus des petits exploitants agricoles grâce à des partenariats stratégiques et au renforcement des infrastructures de marché. Une approche méthodologique innovante a été adoptée, utilisant la régression par changement endogène pour estimer les effets du programme tout en tenant compte de la sélection endogène des participants. Cela permet d'isoler l'effet du programme des caractéristiques non observables qui pourraient également influencer les résultats des agriculteurs, telles que les motivations personnelles ou les ressources familiales non mesurées.
Les résultats indiquent que la participation au PPAP a conduit à une augmentation significative des rendements et des revenus des cacaoculteurs, avec un impact mesurable à la fois à mi-parcours et à la fin du programme. Par exemple, la participation au PPAP a entraîné une augmentation d'environ 120 % des rendements de cacao à la fin de l'étude. En outre, l'étude a révélé que les effets du PPAP variaient considérablement en fonction de la situation géographique et du type de partenariat principal, ce qui illustre l'importance d'adapter les stratégies d'intervention aux contextes locaux spécifiques. Ces résultats soulignent l'efficacité du PPAP dans l'amélioration de la productivité agricole et le potentiel des approches bien conçues et ciblées du développement agricole dans les zones rurales.
