Understanding social vulnerability in multi-ethnic inter-embedded communities: structural inequalities and disaster risk in Southwest China

Résumé Technique : Comprendre la vulnérabilité sociale dans les communautés multiethniques inter-enchâssées

Énoncé du problème
Les communautés multiethniques inter-enchâssées, caractérisées par la coexistence et l'interaction de divers groupes ethniques au sein de structures sociales, économiques et de gouvernance partagées, présentent des vulnérabilités complexes qui diffèrent considérablement des communautés monoethniques. Alors que la recherche actuelle sur la vulnérabilité sociale se concentre principalement sur les contextes urbains ou conventionnels, il existe une lacune critique dans la compréhension de ces communautés uniques, particulièrement dans les régions montagneuses de haute altitude du sud-ouest de la Chine. Ces zones sont confrontées à des défis cumulés, notamment les catastrophes naturelles, le vieillissement de la population, la forte mobilité et l'irrégularité des services publics. Les cadres actuels ne parviennent souvent pas à intégrer les variables ethniques ou à élucider les mécanismes de causalité sous-jacents qui pilotent la vulnérabilité, limitant ainsi le développement de stratégies de gouvernance des catastrophes ciblées. Cette étude répond à la nécessité d'identifier les modèles spatiaux, les mécanismes moteurs et les priorités de gouvernance de la vulnérabilité sociale dans les contextes multiethniques inter-enchâssés.

Méthodologie
L'étude utilise un cadre analytique en trois phases utilisant le comté de Lushan, dans la province du Sichuan — une région montagneuse représentative, multiethnique et sujette aux catastrophes — comme étude de cas.

1. Développement du système d'indicateurs (SoVI) : Les chercheurs ont étendu l'indice de vulnérabilité sociale (SoVI) traditionnel en intégrant des indicateurs spécifiques à l'ethnicité (par exemple, la proportion de minorités ethniques) aux côtés de variables démographiques, socio-économiques, d'infrastructure et de gouvernance. Les données proviennent du septième recensement national de la population, des annuaires statistiques locaux et d'enquêtes de terrain.
2. Quantification et robustesse : Les indicateurs ont été standardisés et pondérés à l'aide d'une méthode hybride Entropy-CRITIC afin de minimiser les biais subjectifs. La robustesse a été vérifiée par des tests de corrélation de Pearson et de Spearman à travers différents schémas de pondération. Les niveaux de vulnérabilité sociale ont été classés par partitionnement K-means (K-means clustering).
3. Analyse des mécanismes (DEMATEL & XGBoost-SHAP) :
   • DEMATEL (Decision Making Trial and Evaluation Laboratory) : Utilisé pour analyser les relations de causalité entre 13 indicateurs regroupés en 8 dimensions. Neuf experts ont évalué les influences mutuelles pour distinguer les facteurs « causes » (moteurs) des facteurs « effets » (résultats).
   • XGBoost-SHAP (eXtreme Gradient Boosting avec Shapley Additive Explanations) : Une approche d'apprentissage automatique utilisée pour quantifier l'importance relative et l'impact directionnel des facteurs sur le SoVI. Les valeurs SHAP ont apporté une interprétabilité au modèle « boîte noire » XGBoost, révélant les relations non linéaires et les contributions spécifiques des caractéristiques.

Résultats clés

• Hétérogénéité spatiale : La vulnérabilité sociale n'est pas uniformément répartie mais présente des disparités spatiales significatives entre les communes. Les zones de haute vulnérabilité sont concentrées dans les régions montagneuses du sud et les zones reculées, caractérisées par un terrain complexe, des services dispersés et des taux de vieillissement élevés. Les zones de faible vulnérabilité sont regroupées près du centre du comté avec de meilleures conditions socio-économiques.
• Structure causale (DEMATEL) : L'analyse a révélé une structure hiérarchique où les facteurs démographiques et structurels sociaux (composition ethnique, structure de l'âge, structure du genre) agissent comme des variables « causes » primaires. En revanche, les ressources d'urgence, la capacité de gouvernance et les services publics fonctionnent comme des variables « effets ». Cela indique que la capacité de réponse aux catastrophes est fondamentalement façonnée par l'évolution structurelle sociale à long terme plutôt que par une allocation isolée de ressources.
• Principaux moteurs (XGBoost-SHAP) : Le modèle a identifié le niveau d'éducation (spécifiquement la part de personnes hautement éduquées), les ratios de dépendance (proportion d'enfants) et la capacité de soins de santé (professionnels de santé pour 10 000 personnes) comme les facteurs les plus influents. Curieusement, des niveaux d'éducation plus élevés ont montré une association positive avec la vulnérabilité dans cet échantillon spécifique, suggérant des effets dépendants du contexte. La quantité d'infrastructures (par exemple, nombre d'abris, supermarchés) a montré un pouvoir explicatif plus faible par rapport au capital humain et à la structure démographique.
• Interaction des facteurs : La vulnérabilité provient du couplage systémique de la composition ethnique, de la structure de l'âge et du niveau d'éducation, qui contraignent collectivement la capacité de gouvernance et la résilience socio-économique.

Contributions clés

• Adaptation du cadre : L'étude adapte avec succès le cadre SoVI pour les communautés multiethniques inter-enchâssées en incorporant des variables ethniques et la capacité de gouvernance, comblant ainsi une lacune dans la littérature existante qui traite souvent ces populations comme homogènes.
• Intégration méthodologique : Elle combine une analyse de causalité pilotée par les experts (DEMATEL) avec une modélisation prédictive basée sur les données (XGBoost-SHAP). Cette approche hybride surmonte les limites de la dépendance exclusive à l'analyse de corrélation ou au jugement subjectif des experts, fournissant à la fois une compréhension structurelle de la causalité et une évaluation quantitative de l'importance des facteurs.
• Perspectives de gouvernance : La recherche déplace l'attention de l'expansion des infrastructures physiques vers l'identification structurelle et le renforcement des capacités. Elle souligne que, dans les régions montagneuses multiethniques, la vulnérabilité est davantage pilotée par des inégalités structurelles profondes (éducation, démographie) que par la simple rareté immédiate des ressources.

Signification et revendications
L'article affirme que ses conclusions offrent une base pour une gouvernance des risques de catastrophe plus ciblée dans le sud-ouest de la Chine et dans des régions montagneuses multiethniques similaires. En liant les modèles spatiaux, les moteurs causaux et les priorités de gouvernance, l'étude soutient la conception d'interventions qui traitent les disparités structurelles plutôt que les seuls aléas physiques.

Les auteurs proposent qu'une gouvernance efficace nécessite :

1. L'institutionnalisation d'une gestion par paliers : S'éloigner des approches « taille unique » pour calibrer les interventions en fonction des profils de vulnérabilité spécifiques des communes.
2. Un suivi longitudinal : Établir des mécanismes pour suivre les indicateurs de vulnérabilité sociale (vieillissement, éducation, santé) afin d'identifier proactivement les groupes à risque.
3. L'optimisation opérationnelle : Prioriser l'efficacité de l'utilisation des ressources publiques et le développement du capital humain plutôt que la simple expansion des installations.
4. Une gouvernance inclusive : Intégrer les relations ethniques et l'inter-enchâssement dans la planification des catastrophes pour réduire les barrières de communication et les inégalités structurelles.

L'étude conclut que la vulnérabilité sociale dans ces communautés est une manifestation concentrée des disparités structurelles préexistantes. Par conséquent, l'amélioration de la résilience face aux catastrophes nécessite de s'attaquer aux structures sociales et démographiques sous-jacentes qui façonnent la capacité d'adaptation d'une communauté.