Analyse et stratégies d’engagement des jeunes ruraux dans les chaines de valeur agricoles dans la province du Sud-Kivu en République Démocratique du Congo
Tesis Materias > Ciencias Sociales Universidad Internacional Iberoamericana México > Investigación > Tesis Doctorales Abierto Francés La dynamique et la transition démographique mondiales avec le nombre croissant des jeunes auront des effets socio-économiques variables sur les pays à faible revenu et la communauté mondiale en général. L’extrême pauvreté des jeunes particulièrement en zones rurales est encore beaucoup plus élevée comparé à la moyenne mondiale. La création d'emplois plus nombreux et de meilleure qualité pour les jeunes est donc une priorité urgente du siècle. En dépit du rôle de locomotive reconnu de l’agriculture dans la croissance économique, la création d’emploi et la réduction de la pauvreté, plusieurs évidences font étant d’un désengagement des jeunes de ce secteur. C’est ainsi que nous avons réalisé une analyse systémique de l’engagement des jeunes ruraux dans les chaines de valeur agricoles au Sud-Kivu. Pour répondre à notre question principale à savoir pourquoi les jeunes ruraux se désengagent de plus en plus de l’agriculture, nous avons conduit la recherche sur le terrain de mars 2020 à mai 2023 dont les résultats ont été analysés et discutés à la lumière des théories en lien avec l’agriculture et la croissance économique, les chaines de valeur et l’engagement. Afin de bien appréhender la complexité et la transversalité de la question, l’approche systémique a été utilisée. Les individus à enquêter ont été choisis aléatoirement par triage sans remise en s’inspirant de la technique de l’urne de Bernoulli. Les données ont été analysées grâce au logiciel SPSS, ce qui a permis de décrire les différentes variables, vérifier leur normalité et utiliser les tests de Friedman, Khi Carré, Mann-Whitney et Kruskal-Wallis pour comprendre les liens entre elles. Premièrement, l’enquête auprès de 144 acteurs a permis d’identifier 12 facteurs d’ordre institutionnel, économique, social et écologique perçus principalement comme limitant l’essor de chaines de valeur agricoles dans la zone. Une différence statistiquement significative a été observée quant à la perception de ces facteurs selon la fonction, le type de motivation, le mieux d’origine et le niveau d’éducation des acteurs. Ce qui nous a permis de confirmer notre première hypothèse. Deuxièmement, l’étude des perceptions de 456 jeunes ruraux a montré que seuls 13,4 % des jeunes aspirent à l’agripreneuriat, 71,9% ne sont pas encouragés par leur entourage à s’engager dans l’agriculture, 73,7% sont prêts à emprunter la voie de d’exode rural/migration. 53,5 % des jeunes ont affiché une attitude négative vis-à-vis de l’agriculture comme profession. Une différence statistiquement significative a été observée concernant les scores des perceptions des facteurs économiques, personnels et sociétaux vis-à-vis de l’agriculture comme profession selon le sexe, l’âge, le niveau d’étude ainsi la zone d’origine des jeunes. Nous avons ainsi confirmé notre deuxième hypothèse. L’étude de cas mobilisant 32 jeunes agripreneurs a montré que 84,4% d’entre eux ont enregistré des résultats d’exploitation annuels positifs malgré le faible accès aux facteurs de production, un climat des affaires nonincitatif et le désintérêt affiché par la société vis-à-vis du secteur agricole. Une différence significative a été observée au niveau de leurs revenus en fonction du genre/sexe, la formation professionnelle, le sous-secteur d’activité, le statut matrimonial, l’expérience, la source du capital de démarrage. Nous considérons cela comme facteurs clés de succès de jeunes agripreneurs. Nous confirmons ainsi la troisième et dernière hypothèse de la présente thèse. Pour engager durablement les jeunes ruraux dans les chaines de valeur agricoles nous recommandons de créer un environnement politique et socio-économique facilitant l’accès aux facteurs de production ; développer des stratégies programmatiques sensibles aux jeunes ruraux en tirant profit des TIC ; promouvoir un narratif positif en faveur de l’agriculture comme profession metadata Cirhuza Mwolo, Innocent mail SIN ESPECIFICAR (2024) Analyse et stratégies d’engagement des jeunes ruraux dans les chaines de valeur agricoles dans la province du Sud-Kivu en République Démocratique du Congo. Doctoral thesis, Universidad Internacional Iberoamericana México.
![[img]](http://repositorio.unini.edu.mx/style/images/fileicons/text.png) |
Texto
Innocent Mwolo Cirhuza CMDODP3769728.pdf Descargar (6MB) |
Resumen
La dynamique et la transition démographique mondiales avec le nombre croissant des jeunes auront des effets socio-économiques variables sur les pays à faible revenu et la communauté mondiale en général. L’extrême pauvreté des jeunes particulièrement en zones rurales est encore beaucoup plus élevée comparé à la moyenne mondiale. La création d'emplois plus nombreux et de meilleure qualité pour les jeunes est donc une priorité urgente du siècle. En dépit du rôle de locomotive reconnu de l’agriculture dans la croissance économique, la création d’emploi et la réduction de la pauvreté, plusieurs évidences font étant d’un désengagement des jeunes de ce secteur. C’est ainsi que nous avons réalisé une analyse systémique de l’engagement des jeunes ruraux dans les chaines de valeur agricoles au Sud-Kivu. Pour répondre à notre question principale à savoir pourquoi les jeunes ruraux se désengagent de plus en plus de l’agriculture, nous avons conduit la recherche sur le terrain de mars 2020 à mai 2023 dont les résultats ont été analysés et discutés à la lumière des théories en lien avec l’agriculture et la croissance économique, les chaines de valeur et l’engagement. Afin de bien appréhender la complexité et la transversalité de la question, l’approche systémique a été utilisée. Les individus à enquêter ont été choisis aléatoirement par triage sans remise en s’inspirant de la technique de l’urne de Bernoulli. Les données ont été analysées grâce au logiciel SPSS, ce qui a permis de décrire les différentes variables, vérifier leur normalité et utiliser les tests de Friedman, Khi Carré, Mann-Whitney et Kruskal-Wallis pour comprendre les liens entre elles. Premièrement, l’enquête auprès de 144 acteurs a permis d’identifier 12 facteurs d’ordre institutionnel, économique, social et écologique perçus principalement comme limitant l’essor de chaines de valeur agricoles dans la zone. Une différence statistiquement significative a été observée quant à la perception de ces facteurs selon la fonction, le type de motivation, le mieux d’origine et le niveau d’éducation des acteurs. Ce qui nous a permis de confirmer notre première hypothèse. Deuxièmement, l’étude des perceptions de 456 jeunes ruraux a montré que seuls 13,4 % des jeunes aspirent à l’agripreneuriat, 71,9% ne sont pas encouragés par leur entourage à s’engager dans l’agriculture, 73,7% sont prêts à emprunter la voie de d’exode rural/migration. 53,5 % des jeunes ont affiché une attitude négative vis-à-vis de l’agriculture comme profession. Une différence statistiquement significative a été observée concernant les scores des perceptions des facteurs économiques, personnels et sociétaux vis-à-vis de l’agriculture comme profession selon le sexe, l’âge, le niveau d’étude ainsi la zone d’origine des jeunes. Nous avons ainsi confirmé notre deuxième hypothèse. L’étude de cas mobilisant 32 jeunes agripreneurs a montré que 84,4% d’entre eux ont enregistré des résultats d’exploitation annuels positifs malgré le faible accès aux facteurs de production, un climat des affaires nonincitatif et le désintérêt affiché par la société vis-à-vis du secteur agricole. Une différence significative a été observée au niveau de leurs revenus en fonction du genre/sexe, la formation professionnelle, le sous-secteur d’activité, le statut matrimonial, l’expérience, la source du capital de démarrage. Nous considérons cela comme facteurs clés de succès de jeunes agripreneurs. Nous confirmons ainsi la troisième et dernière hypothèse de la présente thèse. Pour engager durablement les jeunes ruraux dans les chaines de valeur agricoles nous recommandons de créer un environnement politique et socio-économique facilitant l’accès aux facteurs de production ; développer des stratégies programmatiques sensibles aux jeunes ruraux en tirant profit des TIC ; promouvoir un narratif positif en faveur de l’agriculture comme profession
| Tipo de Documento: | Tesis (Doctoral) |
|---|---|
| Palabras Clave: | Jeunes ruraux, Engagement, Chaine de valeur agricole |
| Clasificación temática: | Materias > Ciencias Sociales |
| Divisiones: | Universidad Internacional Iberoamericana México > Investigación > Tesis Doctorales |
| Depositado: | 07 Feb 2025 23:30 |
| Ultima Modificación: | 27 May 2025 23:30 |
| URI: | https://repositorio.unini.edu.mx/id/eprint/16487 |
Acciones (logins necesarios)
 |
Ver Objeto |
en
close
Single-cell omics for nutrition research: an emerging opportunity for human-centric investigations
Understanding how dietary compounds affect human health is challenged by their molecular complexity and cell-type–specific effects. Conventional multi-cell type (bulk) analyses obscure cellular heterogeneity, while animal and standard in vitro models often fail to replicate human physiology. Single-cell omics technologies—such as single-cell RNA sequencing, as well as single-cell–resolved proteomic and metabolomic approaches—enable high-resolution investigation of nutrient–cell interactions and reveal mechanisms at a single-cell resolution. When combined with advanced human-derived in vitro systems like organoids and organ-on-chip platforms, they support mechanistic studies in physiologically relevant contexts. This review outlines emerging applications of single-cell omics in nutrition research, emphasizing their potential to uncover cell-specific dietary responses, identify nutrient-sensitive pathways, and capture interindividual variability. It also discusses key challenges—including technical limitations, model selection, and institutional biases—and identifies strategic directions to facilitate broader adoption in the field. Collectively, single-cell omics offer a transformative framework to advance human-centric nutrition research.
Manuela Cassotta mail manucassotta@gmail.com, Yasmany Armas Diaz mail , Danila Cianciosi mail , Bei Yang mail , Zexiu Qi mail , Ge Chen mail , Santos Gracia Villar mail santos.gracia@uneatlantico.es, Luis Alonso Dzul López mail luis.dzul@uneatlantico.es, Giuseppe Grosso mail , José L. Quiles mail , Jianbo Xiao mail , Maurizio Battino mail maurizio.battino@uneatlantico.es, Francesca Giampieri mail francesca.giampieri@uneatlantico.es,
Cassotta
<a class="ep_document_link" href="/17878/1/s13018-025-06422-7.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Background Anterior shoulder instability is a common condition, especially among young and active individuals, often associated with both osseous and soft tissue injuries. Recent innovations have introduced various surgical options for managing critical and subcritical instability. Therefore, the primary objective of this systematic review was to collect, synthesize, and integrate international research published across multiple scientific databases on shoulder ligamentoplasty, arthroscopic Latarjet, dynamic anterior stabilization (DAS), and arthroscopic Trillat techniques used in the treatment of shoulder instability. Method A structured search was conducted following the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines and the PICOS model, up to January 30, 2025, in the MEDLINE/PubMed, Web of Science (WOS), ScienceDirect, Cochrane Library, SciELO, EMBASE, SPORTDiscus, and Scopus databases. The risk of bias was evaluated, and the PEDro scale was used to assess methodological quality. Results The initial search yielded a total of 964 articles. After applying the inclusion and exclusion criteria, the final sample consisted of 25 articles. These studies demonstrated a high standard of methodological quality. The review summarized the effects of ligamentoplasty, arthroscopic Latarjet, dynamic anterior stabilization, and arthroscopic Trillat techniques in treating shoulder instability, detailing the sample population, immobilization period, frequency of instability episodes—including recurrent dislocations and subluxations—surgical methods, study designs, assessed variables, main findings, and reported outcomes. Conclusions Arthroscopic ligamentoplasty is advantageous in preserving the patient’s native anatomy, maintaining joint integrity, and allowing for alternative interventions in case of failure. The arthroscopic Trillat technique offers a minimally invasive solution for anterior instability without significant bone loss. The DAS technique utilizes the biceps tendon to provide dynamic stabilization, aiming to generate a sling effect over the subscapularis muscle. The Latarjet procedure remains the gold standard for managing anterior glenoid bone loss greater than 20%. Each surgical option for anterior shoulder instability carries specific implications, and treatment decisions should be tailored based on bone loss severity, capsuloligamentous quality, and the patient’s functional needs.
Carlos Galindo-Rubín mail , Yehinson Barajas Ramón mail , Fernando Maniega Legarda mail , Álvaro Velarde-Sotres mail alvaro.velarde@uneatlantico.es,
Galindo-Rubín
<a class="ep_document_link" href="/17880/1/nutrients-17-03613.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Background/Objectives: Estimating energy and macronutrients from food images is clinically relevant yet challenging, and rigorous evaluation requires transparent accuracy metrics with uncertainty and clear acknowledgement of reference data limitations across heterogeneous sources. This study assessed ChatGPT-5, a general-purpose vision-language model, across four scenarios differing in the amount and type of contextual information provided, using a composite dataset to quantify accuracy for calories and macronutrients. Methods: A total of 195 dishes were evaluated, sourced from Allrecipes.com, the SNAPMe dataset, and Home-prepared, weighed meals. Each dish was evaluated under Case 1 (image only), Case 2 (image plus standardized non-visual descriptors), Case 3 (image plus ingredient lists with amounts), and Case 4 (replicates Case 3 but excluding the image). The primary endpoint was kcal Mean Absolute Error (MAE); secondary endpoints included Median Absolute Error (MedAE) and Root Mean Square Error (RMSE) for kcal and macronutrients (protein, carbohydrates, and lipids), all reported with 95% Confidence Intervals (CIs) via dish-level bootstrap resampling and accompanied by absolute differences (Δ) between scenarios. Inference settings were standardized to support reproducibility and variance estimation. Source stratified analyses and quartile summaries were conducted to examine heterogeneity by curation level and nutrient ranges, with additional robustness checks for error complexity relationships. Results and Discussion: Accuracy improved from Case 1 to Case 2 and further in Case 3 for energy and all macronutrients when summarized by MAE, MedAE, and RMSE with 95% CIs, with absolute reductions (Δ) indicating material gains as contextual information increased. In contrast to Case 3, estimation accuracy declined in Case 4, underscoring the contribution of visual cues. Gains were largest in the Home-prepared dietitian-weighed subset and smaller yet consistent for Allrecipes.com and SNAPMe, reflecting differences in reference curation and measurement fidelity across sources. Scenario-level trends were concordant across sources, and stratified and quartile analyses showed coherent patterns of decreasing absolute errors with the provision of structured non-visual information and detailed ingredient data. Conclusions: ChatGPT-5 can deliver practically useful calorie and macronutrient estimates from food images, particularly when augmented with standardized nonvisual descriptors and detailed ingredients, as evidenced by reductions in MAE, MedAE, and RMSE with 95% CIs across scenarios. The decline in accuracy observed when the image was omitted, despite providing detailed ingredient information, indicates that visual cues contribute meaningfully to estimation performance and that improvements are not solely attributable to arithmetic from ingredient lists. Finally, to promote generalizability, it is recommended that future studies include repeated evaluations across diverse datasets, ensure public availability of prompts and outputs, and incorporate systematic comparisons with non-artificial-intelligence baselines.
Marcela Rodríguez- Jiménez mail , Gustavo Daniel Martín-del-Campo-Becerra mail , Sandra Sumalla Cano mail sandra.sumalla@uneatlantico.es, Jorge Crespo-Álvarez mail jorge.crespo@uneatlantico.es, Iñaki Elío Pascual mail inaki.elio@uneatlantico.es,
Rodríguez- Jiménez
<a href="/17862/1/sensors-25-06419.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Edge-Based Autonomous Fire and Smoke Detection Using MobileNetV2
Forest fires pose significant threats to ecosystems, human life, and the global climate, necessitating rapid and reliable detection systems. Traditional fire detection approaches, including sensor networks, satellite monitoring, and centralized image analysis, often suffer from delayed response, high false positives, and limited deployment in remote areas. Recent deep learning-based methods offer high classification accuracy but are typically computationally intensive and unsuitable for low-power, real-time edge devices. This study presents an autonomous, edge-based forest fire and smoke detection system using a lightweight MobileNetV2 convolutional neural network. The model is trained on a balanced dataset of fire, smoke, and non-fire images and optimized for deployment on resource-constrained edge devices. The system performs near real-time inference, achieving a test accuracy of 97.98% with an average end-to-end prediction latency of 0.77 s per frame (approximately 1.3 FPS) on the Raspberry Pi 5 edge device. Predictions include the class label, confidence score, and timestamp, all generated locally without reliance on cloud connectivity, thereby enhancing security and robustness against potential cyber threats. Experimental results demonstrate that the proposed solution maintains high predictive performance comparable to state-of-the-art methods while providing efficient, offline operation suitable for real-world environmental monitoring and early wildfire mitigation. This approach enables cost-effective, scalable deployment in remote forest regions, combining accuracy, speed, and autonomous edge processing for timely fire and smoke detection.
Dilshod Sharobiddinov mail , Hafeez Ur Rehman Siddiqui mail , Adil Ali Saleem mail , Gerardo Méndez Mezquita mail , Debora L. Ramírez-Vargas mail debora.ramirez@unini.edu.mx, Isabel de la Torre Díez mail ,
Sharobiddinov
<a href="/17863/1/v16p4316.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Breast cancer is a lethal carcinoma impacting a considerable number of women across the globe. While preventive measures are limited, early detection remains the most effective strategy. Accurate classification of breast tumors into benign and malignant categories is important which may help physicians in diagnosing the disease faster. This survey investigates the emerging inclination and approaches in the area of machine learning (ML) for the diagnosis of breast cancer, pointing out the classification techniques based on both segmentation and feature selection. Certain datasets such as the Wisconsin Diagnostic Breast Cancer Dataset (WDBC), Wisconsin Breast Cancer Dataset Original (WBCD), Wisconsin Prognostic Breast Cancer Dataset (WPBC), BreakHis, and others are being evaluated in this study for the demonstration of their influence on the performance of the diagnostic tools and the accuracy of the models such as Support vector machine, Convolutional Neural Networks (CNNs) and ensemble approaches. The main shortcomings or research gaps such as prejudice of datasets, scarcity of generalizability, and interpretation challenges are highlighted. This research emphasizes the importance of the hybrid methodologies, cross-dataset validation, and the engineering of explainable AI to narrow these gaps and enhance the overall clinical acceptance of ML-based detection tools.
Alveena Saleem mail , Muhammad Umair mail , Muhammad Tahir Naseem mail , Muhammad Zubair mail , Silvia Aparicio Obregón mail silvia.aparicio@uneatlantico.es, Rubén Calderón Iglesias mail ruben.calderon@uneatlantico.es, Shoaib Hassan mail , Imran Ashraf mail ,
Saleem