Un modèle de risque comme outil de gestion d’une aire marine protégée : l’exemple du parc marin du Saguenay–Saint-Laurent
Notice bibliographique
Résumé
Dans les aires marines protégées, la biodiversité et la complexité des écosystèmes sont souvent menacées par les activités humaines et leurs multiples effets. Afin de soutenir les gestionnaires dans leurs efforts de conservation et de protection, un modèle du risque relatif a été développé comme outil pour localiser les zones cumulant le plus de risques environnementaux, identifier les sources anthropiques de stress et évaluer des approches permettant de réduire les risques et d’augmenter le niveau général de protection dans une aire marine de conservation. Une interface informatique permet une utilisation simplifiée du modèle de risque par l’équipe scientifique et les gestionnaires. À titre d’exemple, l’application du modèle au parc marin du Saguenay–Saint-Laurent (PMSSL) a permis de cartographier les zones les plus à risque en période estivale, alors que les activités anthropiques sont les plus intenses et les sources de risques sont les plus nombreuses. Les résultats montrent que l’embouchure du fjord du Saguenay et la zone côtière des Bergeronnes sont les secteurs les plus à risque du PMSSL. La grande flexibilité du modèle permet de travailler avec des simulations (augmentation ou diminution d’une ou plusieurs sources de stress) et de déterminer la portée relative d’une activité de conservation.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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 ».