UN Banner
AccueilÀ proposExpériences et leçonsÉtudes de casRecommandationsRessourcesListe de contrôle
Accueil
À propos▶
ContexteObjectifJustificationStructurePublic cible
Expériences et leçons▶
1. Project Planning and Management2. Cartographie géospatiale et base des ZD3. Instruments et outils de dénombrement4. Collecte et gestion des données5. Tests et pilotes de recensement6. Recrutement et formation7. Déploiement et supervision8. Dénombrement et logistique9. Assurance qualité et gestion des risques10. Analyse du recensement et produits11. Partenariats et collaboration12. Plaidoyer et communication13. Achats et gestion financière14. Enquête post-recensement15. Approches alternatives16. Liste de planification
Études de cas▶
1. Planification et gestion du projet2. Cartographie géospatiale3. Instruments de dénombrement4. Collecte des données5. Tests du recensement6. Recrutement et formation7. Déploiement et supervision8. Dénombrement et logistique9. Assurance qualité10. Analyse du recensement11. Partenariats12. Plaidoyer13. Achats14. Enquête post-recensement15. Approches alternatives16. Liste de planification
Recommandations
Ressources
Liste de contrôle
Aller au contenu principal

Problèmes rencontrés et leçons tirées​

  • L'utilisation de données modélisées ne remplace pas le processus de recensement. Au contraire, les estimations modélisées complètent un recensement plus traditionnel, en comblant les lacunes dans les données et en fournissant des estimations à haute résolution pendant la période intercensitaire.

  • Les estimations démographiques modélisées sont probabilistes. Elles sont fondées sur des modèles et ne doivent donc pas être traitées de la même manière que des chiffres de population observés. Elles permettent plutôt d'affiner la planification du recensement lorsque le dernier recensement est largement dépassé, ou de combler les lacunes lorsqu'un dénombrement complet ne peut être effectué.

  • La production d'estimations démographiques modélisées repose sur la disponibilité d'enquêtes auprès des ménages ou de données de micro-recensements, afin de fournir les données statistiques nécessaires aux modèles. Plus la qualité des données statistiques utilisées est élevée, plus la qualité des résultats modélisés sera élevée et plus l'incertitude entourant les estimations sera faible.

  • La production d'estimations démographiques maillées à haute résolution nécessite l'accès à un certain nombre d'ensembles de données géospatiales covariables. Le meilleur moyen d'y parvenir réside dans le partage de données entre les différents services gouvernementaux, une agence cartographique nationale et/ou une agence spatiale nationale pouvant donner accès à des ensembles de données géospatiales faisant autorité, utilisables dans le processus de modélisation.

  • Les limites géospatiales (administratives ou de recensement) doivent être maintenues sans erreurs topologiques (telles que des fragments), afin de faciliter la modélisation. Le processus attribue des points (ménages, bâtiments, adresses, etc.) à des zones géographiques ; toute erreur topologique entraînera l'attribution de points à une zone erronée, ou à aucune zone.

  • La modélisation de grands ensembles de données géospatiales et statistiques nécessite une capacité de traitement importante ; il convient donc de prendre en considération l'environnement de traitement avant toute activité de modélisation. Des recommandations concernant les spécifications matérielles sont incluses dans la section « Recommandations » du présent chapitre.