Une liste des plantes vasculaires exotiques nuisibles du Québec: nouvelle approche pour la sélection des espèces et l'aide à la décision
Notice bibliographique
Résumé
Les plantes vasculaires exotiques étant toujours de plus en plus nombreuses, il importe de développer des outils qui aideront les gestionnaires de l'environnement à identifier les espèces les plus problématiques. L'outil de base en la matière est une liste des plantes nuisibles. Dans cet article, nous proposons une liste pour le Québec constituée grâce à une approche qualitative innovante basée sur 1) l'adoption de critères d'évaluation explicites, 2) la prise en compte de l'ensemble des types de nuisance, 3) l'utilisation de données scientifiques crédibles, 4) la constitution d'un panel d'experts diversifié comprenant des utilisateurs potentiels de la liste, 5) l'encadrement des membres du panel par une approche d'aide à la décision et 6) l'instauration du débat pour l'évaluation du caractère nuisible des plantes. Au total, 87 des 908 taxons de plantes vasculaires exotiques naturalisées au Québec ont été retenus par le panel d'experts comme plantes nuisibles, soit 9,6 % de l'ensemble. Les deux tiers des plantes désignées comme nuisibles le sont, à des degrés divers, pour les productions agricoles, horticoles ou forestières. Suivent, dans l'ordre, les nuisances pour la biodiversité ou le maintien des fonctions écosystémiques, celles pour la santé, celles pour l'horticulture ornementale ou l'aménagement paysager et celles pour les activités de loisir. Il a été difficile de statuer sur la nuisance pour la biodiversité, la plupart des espèces exotiques n'ayant pas fait l'objet d'études approfondies à cet égard. En définitive, l'adoption de critères faisant consensus a eu pour effet de réduire fortement (presque par un facteur de 3) le nombre de taxons d'une liste qu'on aurait pu constituer à partir d'opinions d'experts sollicitées sur une base individuelle, sans critères précis. Bien que cette liste ne soit pas définitive et qu'elle doive être interprétée avec prudence, nous croyons que l'approche proposée ici est supérieure, quant à sa rigueur, aux autres approches qualitatives développées à ce jour et que sa performance est au moins équivalente à celle des approches semi-quantitatives ou quantitatives fréquemment utilisées, comme le Australian Weed Risk Assessment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».