File size: 22,202 Bytes
419e4fd
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
"""The detailed Data, methods and analyses text, in English and French.

Kept out of app.py so the page can be read and corrected on its own. Every claim
here must match the code in sources.py and analysis.py — if a computation
changes, this file changes with it.
"""

from __future__ import annotations

SECTIONS: dict[str, list[dict]] = {
    "English": [
        {
            "key": "provenance",
            "icon": "🗄️",
            "title": "Where every number comes from",
            "body": """
**Protected areas — Wikidata (CC0), or WDPA when a token is set.**
A SPARQL query asks for every item that is an instance of, or a subclass of,
*protected area* (Q473972), located in a country that is part of Africa, and
carrying coordinates. It returns name, country, ISO3, latitude and longitude,
reported area, year of establishment and IUCN category. Wikidata enforces a
60-second limit and the subclass walk can exceed it, so the connector falls back
to querying countries in batches of six. Items with several coordinate statements
appear more than once; the largest reported area is kept and the rest dropped.
Unlabelled items — those whose name is just a Q-number — are removed, since they
are of no use to a reader. Setting `PROTECTED_PLANET_TOKEN` replaces all of this
with the authoritative WDPA from Protected Planet.

**Education, health, income, conservation cover — World Bank Open Data (CC BY 4.0).**
Fifteen indicator series, all 54 African countries, 1990 onwards, paged through
the public v2 API. No key. An indicator the API declines is reported by name on
this page rather than silently skipped.

**Demography and dependency — UN World Population Prospects 2024 (CC BY 3.0 IGO).**
Read from `unpopulation_data*.csv` in the repository, not from the network: the UN
Data Portal has no open bulk endpoint. This is the same file, and the same
indicator identifiers, as the Africa Population Atlas — so the two dashboards
report identical numbers. Only the **median variant** is loaded; high, low and
probabilistic variants are dropped as the file is read. The extract repeats rows
across sex and age breakdowns for the totals requested, so one value per
country-indicator-year is taken as the median of the duplicates.

**Boundaries — geoBoundaries (CC BY 4.0).** One simplified ADM0 file per country,
fetched from GitHub eight at a time. The single global file exists but weighs
401 MB, which is why it is not used.

**Effectiveness scores — supplied by you.** Nothing is downloaded; see *Matching
uploaded scores* below.

**Freshness.** Downloads are cached for seven days. A `cache_*` snapshot committed
next to the app takes precedence and never expires — the connector table above
shows its age in days, so a stale snapshot is visible rather than assumed.
""",
        },
        {
            "key": "derived",
            "icon": "🧮",
            "title": "How each derived measure is computed",
            "body": """
**Human pressure index — ordinal, 0–100.**
Four components, in order of preference: population density (UN WPP where the
extract is present, World Bank otherwise), the child dependency ratio, the rural
population share, and the number of protected areas within 50 km. Each is
converted to a percentile rank *across the mapped estate*, the available
percentiles are averaged, and the result is multiplied by 100. The components
that actually fed it are printed under the map, because they depend on which
sources loaded.

This index ranks parks by how busy their setting is. It is **not** a count of
people living within 10 km of a boundary — three of its four inputs are national
averages, so two parks in the same country differ only by their neighbour count.
The real measurement needs gridded population clipped to a buffer around each
boundary polygon.

**Protected areas within 50 km.**
Latitude and longitude are projected onto a sphere of radius 6,371 km and the
straight-line (chord) distance is used. At 50 km the chord is shorter than the
great-circle arc by well under a metre, so the distinction does not matter here.

**Assigning a park to a region.**
Point-in-polygon against the boundary file, indexed with an R-tree. A park that
falls inside no polygon — small islands, points digitised just offshore — is left
without a region rather than snapped to the nearest one.

**Change between two years.**
The nearest observation within ±3 years of each endpoint is used, which keeps
sparse series such as poverty headcount and adult literacy usable. The years
actually used are reported in the results table, so a country compared over
1993–2022 is never presented as if it were 1990–2024. If both endpoints resolve
to the same year the country is dropped.

**Direction.**
Under-5 mortality and the poverty headcount improve when they fall. Their change
is negated before any comparison, so that "higher is better" holds for every
indicator on both axes.

**Estimates and projections.**
WPP 2024 runs to 2100. Every row after 2024 is a median-variant projection and is
removed before any change calculation, the typology, the map and the park
profiles. Projections appear only under *Trajectories*, drawn dashed behind a
marked line.

**Overlapping period.**
UN series reach back to 1950 while most World Bank series start in 1990. Taking
the minimum and maximum across the whole panel would produce a window in which
one axis is empty and the typology would silently return nothing. The period
slider is therefore restricted to the window where **both** selected indicators
have observations, and resets when you change either one.

**Matching uploaded scores.**
By identifier first when the file has one, then by normalised name within the same
country, then by normalised name alone. Normalising lowercases, strips
punctuation, and removes the words *national, park, reserve, nature, wildlife,
forest, game, marine, protected, area, conservancy*, so "Akagera National Park"
and "Akagera National" meet. The page reports how many rows matched and lists
those that did not — a half-join is never silent.
""",
        },
        {
            "key": "typology",
            "icon": "⚖️",
            "title": "The four relationships, and what they can and cannot say",
            "body": """
Li et al. (2024) assessed 10,143 protected areas worldwide. For each one they
compared natural land cover change inside the park, and nightlight change in
settlements within 10 km of its boundary, with **statistically matched
counterfactual sites** — places with similar historical nightlights, population,
land cover, slope, elevation, human footprint, precipitation and temperature that
happen not to be protected. Crossing the two outcomes gives four relationships:
synergy (47.7% of parks), economy impaired (42.9%), conservation impaired (4.8%)
and retreat (4.6%).

**What this dashboard does instead.** Counterfactual matching cannot be rebuilt
from open country-level series, so a country here is placed by comparing its
change with the **African median change over the same period**, on each axis
independently.

**The consequence, stated plainly.** Cutting each axis at the median makes each
margin 50/50 *by construction*. If conservation and human development change were
statistically independent, the four quadrants would each hold about a quarter of
countries. **The shares on this page are therefore not comparable in level with
Li et al.'s** — the paper's figures are printed beside them as context for the
framework, not as a benchmark to beat.

**What the table does carry** is the association between the two axes, which the
median split does not force. The page reports the phi coefficient — the
correlation between the two binary outcomes — and the odds ratio, computed with a
Haldane correction so that an empty cell does not send it to infinity. A positive
phi means countries that held their conservation indicator also tended to advance
on human development: synergy and retreat outnumber the two tradeoffs. A phi near
zero means the two move independently. That association is a genuine finding of
this data; the quadrant percentages, on their own, are close to arithmetic.

**And it remains description, not cause.** Nothing here identifies the effect of
protection. Two countries can share a quadrant for entirely unrelated reasons.
""",
        },
        {
            "key": "scope",
            "icon": "🔍",
            "title": "What each analysis supports",
            "body": """
| Page | Supports | Does not support |
|---|---|---|
| **Overview** | Where the estate is, and the national conditions around it | Any statement about conditions *inside* a park, or within its buffer |
| **Protected areas** | Screening — which parks sit in the busiest settings, and their country context | Comparing two parks in the same country on human conditions: three of the four pressure inputs are national |
| **Human conditions** | Cross-country comparison of education, health, income, demography and dependency | Subnational variation, which is exactly where the interesting differences sit |
| **Relationships** | Whether conservation and development changes are associated across African countries | The causal effect of protection on either outcome |
| **Trajectories** | How indicators have moved since 1990, estimates and projections kept apart | Forecasting; the UN projections are one median scenario under stated assumptions |

The park-level scatter, once effectiveness scores are uploaded, supports a
correlation between a park's score and its country's human development level. It
does not control for anything, and the country value repeats across every park in
that country — so treat clusters, not individual points, as the signal.
""",
        },
        {
            "key": "repro",
            "icon": "🔁",
            "title": "Reproducing this",
            "body": """
Every figure on this dashboard is derived by code in two files: `sources.py`
fetches, `analysis.py` computes. Neither invents a value — a connector that fails
disables its features and says so in the table above.

- `python selftest.py` runs every connector and prints its state, row count and
  the exact error when one fails.
- `python prefetch.py` downloads everything once and writes a `cache_*` snapshot
  to commit, so the app opens instantly and everyone sees the same vintage.
- `python make_fixtures.py && python test_app.py` runs the offline suite: the
  typology, the direction handling, the projection guard, the overlapping-period
  rule, the score matching and every page in both languages.

The full indicator registry, with each code, unit, group, source and direction,
is listed above under *Sources and licences*.
""",
        },
    ],
    "Français": [
        {
            "key": "provenance",
            "icon": "🗄️",
            "title": "D'où vient chaque chiffre",
            "body": """
**Aires protégées — Wikidata (CC0), ou la WDPA si un jeton est fourni.**
Une requête SPARQL demande tout élément instance ou sous-classe d'*aire protégée*
(Q473972), situé dans un pays d'Afrique et porteur de coordonnées. Elle renvoie
nom, pays, code ISO3, latitude et longitude, superficie déclarée, année de
création et catégorie UICN. Wikidata impose une limite de 60 secondes et le
parcours des sous-classes peut la dépasser : le connecteur bascule alors sur des
requêtes par groupes de six pays. Les éléments portant plusieurs coordonnées
apparaissent en double ; on conserve la plus grande superficie déclarée. Les
éléments sans libellé — dont le nom se réduit à un numéro Q — sont écartés.
Définir `PROTECTED_PLANET_TOKEN` remplace le tout par la WDPA officielle.

**Éducation, santé, revenu, couverture protégée — Banque mondiale (CC BY 4.0).**
Quinze séries, les 54 pays africains, depuis 1990, via l'API v2 publique. Sans
clé. Un indicateur refusé par l'API est nommé sur cette page, jamais ignoré en
silence.

**Démographie et dépendance — Nations Unies, WPP 2024 (CC BY 3.0 IGO).**
Lu depuis `unpopulation_data*.csv` dans le dépôt, non depuis le réseau : le portail
de l'ONU n'offre pas de point d'accès ouvert en masse. C'est le même fichier et
les mêmes identifiants d'indicateurs que l'Atlas démographique de l'Afrique — les
deux tableaux de bord donnent donc des chiffres identiques. Seule la **variante
médiane** est chargée ; les variantes haute, basse et probabilistes sont écartées
à la lecture. L'extrait répète des lignes selon le sexe et l'âge pour les totaux
demandés : on retient la médiane des doublons par pays-indicateur-année.

**Frontières — geoBoundaries (CC BY 4.0).** Un fichier ADM0 simplifié par pays,
téléchargé par lots de huit depuis GitHub. Le fichier mondial unique existe mais
pèse 401 Mo, d'où ce choix.

**Scores d'efficacité — fournis par vous.** Rien n'est téléchargé ; voir
*Appariement des scores* ci-dessous.

**Fraîcheur.** Les téléchargements sont mis en cache sept jours. Un instantané
`cache_*` committé à côté de l'application est prioritaire et n'expire jamais —
le tableau des connecteurs affiche son âge en jours, pour qu'un instantané
périmé se voie au lieu d'être supposé.
""",
        },
        {
            "key": "derived",
            "icon": "🧮",
            "title": "Comment chaque mesure dérivée est calculée",
            "body": """
**Indice de pression humaine — ordinal, 0–100.**
Quatre composantes, par ordre de préférence : densité de population (WPP si
l'extrait est présent, Banque mondiale sinon), ratio de dépendance des enfants,
part de population rurale, et nombre d'aires protégées à moins de 50 km. Chacune
est convertie en rang centile *sur l'ensemble des aires cartographiées*, les
centiles disponibles sont moyennés, le résultat est multiplié par 100. Les
composantes réellement utilisées sont affichées sous la carte, car elles
dépendent des sources chargées.

Cet indice classe les aires selon l'affluence de leur contexte. Ce n'est **pas**
un décompte de personnes vivant à moins de 10 km d'une limite : trois de ses
quatre entrées sont des moyennes nationales, donc deux aires d'un même pays ne
diffèrent que par leur nombre de voisines. La vraie mesure exige une population
maillée découpée sur un tampon autour de chaque polygone.

**Aires protégées à moins de 50 km.**
Latitude et longitude sont projetées sur une sphère de rayon 6 371 km et l'on
utilise la distance en ligne droite (corde). À 50 km, la corde est plus courte que
l'arc de grand cercle de bien moins d'un mètre : la distinction est sans effet.

**Rattachement d'une aire à une région.**
Test point-dans-polygone sur le fichier de frontières, indexé par un R-tree. Une
aire ne tombant dans aucun polygone — petites îles, points numérisés juste au
large — reste sans région plutôt que d'être rattachée à la plus proche.

**Variation entre deux années.**
On retient l'observation la plus proche à ±3 ans de chaque borne, ce qui rend
exploitables les séries lacunaires comme le taux de pauvreté ou l'alphabétisation.
Les années effectivement utilisées figurent dans le tableau de résultats : un pays
comparé de 1993 à 2022 n'est jamais présenté comme allant de 1990 à 2024. Si les
deux bornes tombent sur la même année, le pays est écarté.

**Sens de lecture.**
La mortalité des moins de 5 ans et le taux de pauvreté s'améliorent en baissant.
Leur variation est donc inversée avant toute comparaison, pour que « plus élevé
vaut mieux » soit vrai sur les deux axes.

**Estimations et projections.**
Le WPP 2024 va jusqu'en 2100. Toute ligne postérieure à 2024 est une projection en
variante médiane, retirée avant tout calcul de variation, la typologie, la carte
et les fiches. Les projections n'apparaissent que dans *Trajectoires*, en tirets
derrière une ligne marquée.

**Période commune.**
Les séries ONU remontent à 1950, la plupart des séries Banque mondiale commencent
en 1990. Prendre le minimum et le maximum de tout le panel produirait une fenêtre
où un axe est vide et la typologie ne renverrait rien, en silence. Le curseur de
période est donc restreint à la fenêtre où les **deux** indicateurs choisis ont
des observations, et il se réinitialise dès que vous changez l'un des deux.

**Appariement des scores déposés.**
Par identifiant d'abord si le fichier en porte un, puis par nom normalisé au sein
du même pays, puis par nom normalisé seul. La normalisation met en minuscules,
retire la ponctuation et supprime les mots *national, park, reserve, nature,
wildlife, forest, game, marine, protected, area, conservancy* — ainsi « Akagera
National Park » et « Akagera National » se rejoignent. La page indique combien de
lignes ont été appariées et liste les autres : une jointure partielle n'est jamais
silencieuse.
""",
        },
        {
            "key": "typology",
            "icon": "⚖️",
            "title": "Les quatre relations, et ce qu'elles peuvent dire ou non",
            "body": """
Li et al. (2024) ont évalué 10 143 aires protégées dans le monde. Pour chacune,
ils comparent la variation du couvert naturel à l'intérieur du parc, et la
variation des lumières nocturnes dans les localités situées à moins de 10 km de
sa limite, à des **sites contrefactuels appariés statistiquement** — des lieux aux
lumières historiques, population, couvert, pente, altitude, empreinte humaine,
précipitations et températures semblables, mais non protégés. Le croisement des
deux résultats donne quatre relations : synergie (47,7 % des aires), économie
entravée (42,9 %), conservation entravée (4,8 %) et repli (4,6 %).

**Ce que fait ce tableau de bord à la place.** L'appariement contrefactuel ne peut
être reconstruit à partir de séries nationales ouvertes : un pays est donc situé
en comparant sa variation à la **variation médiane africaine sur la même
période**, indépendamment sur chaque axe.

**La conséquence, dite franchement.** Couper chaque axe à la médiane rend chaque
marge 50/50 *par construction*. Si les variations de conservation et de
développement humain étaient statistiquement indépendantes, chaque quadrant
contiendrait environ un quart des pays. **Les parts affichées ici ne sont donc pas
comparables en niveau à celles de Li et al.** — les chiffres de l'article sont
rappelés à côté comme repère du cadre conceptuel, non comme référence à égaler.

**Ce que le tableau porte réellement**, c'est l'association entre les deux axes,
que la coupe médiane n'impose pas. La page indique le coefficient phi — la
corrélation entre les deux résultats binaires — et le rapport de cotes, calculé
avec une correction de Haldane pour qu'une case vide ne l'envoie pas à l'infini.
Un phi positif signifie que les pays ayant tenu leur indicateur de conservation
ont aussi eu tendance à progresser en développement humain : synergie et repli
l'emportent sur les deux arbitrages. Un phi proche de zéro signifie que les deux
évoluent indépendamment. Cette association est un résultat réel de ces données ;
les pourcentages par quadrant, seuls, relèvent surtout de l'arithmétique.

**Et cela reste descriptif, non causal.** Rien ici n'identifie l'effet de la
protection. Deux pays peuvent partager un quadrant pour des raisons sans rapport.
""",
        },
        {
            "key": "scope",
            "icon": "🔍",
            "title": "Ce que chaque analyse permet",
            "body": """
| Page | Permet | Ne permet pas |
|---|---|---|
| **Vue d'ensemble** | Situer le réseau d'aires et les conditions nationales autour | Toute affirmation sur les conditions *à l'intérieur* d'une aire ou dans son tampon |
| **Aires protégées** | Un criblage : quelles aires sont dans les contextes les plus peuplés, et leur contexte national | Comparer deux aires d'un même pays sur les conditions humaines : trois des quatre entrées de l'indice sont nationales |
| **Conditions humaines** | Comparer les pays sur l'éducation, la santé, le revenu, la démographie et la dépendance | La variation infranationale, là où se logent justement les écarts intéressants |
| **Relations** | Savoir si les variations de conservation et de développement sont associées entre pays africains | L'effet causal de la protection sur l'un ou l'autre résultat |
| **Trajectoires** | Suivre les indicateurs depuis 1990, estimations et projections séparées | Prévoir ; les projections ONU sont un scénario médian sous hypothèses déclarées |

Le nuage de points au niveau des aires, une fois les scores déposés, permet une
corrélation entre le score d'une aire et le niveau de développement humain de son
pays. Il ne contrôle rien, et la valeur nationale se répète pour toutes les aires
du même pays : lisez les regroupements, non les points isolés.
""",
        },
        {
            "key": "repro",
            "icon": "🔁",
            "title": "Reproduire ces résultats",
            "body": """
Chaque chiffre de ce tableau de bord est produit par deux fichiers :
`sources.py` récupère, `analysis.py` calcule. Aucun des deux n'invente de valeur —
un connecteur en échec désactive ses fonctions et le signale dans le tableau
ci-dessus.

- `python selftest.py` exerce chaque connecteur et affiche son état, son nombre de
  lignes et l'erreur exacte en cas d'échec.
- `python prefetch.py` télécharge tout une fois et écrit un instantané `cache_*` à
  committer : l'application s'ouvre instantanément et tout le monde voit le même
  millésime.
- `python make_fixtures.py && python test_app.py` lance la suite hors ligne : la
  typologie, le sens de lecture, le garde-fou des projections, la règle de période
  commune, l'appariement des scores et chaque page dans les deux langues.

Le registre complet des indicateurs — code, unité, groupe, source et sens — figure
plus haut, sous *Sources et licences*.
""",
        },
    ],
}


def sections(language: str) -> list[dict]:
    return SECTIONS.get(language, SECTIONS["English"])