MétaCan
Menu
Retour à la cohorte
Enregistrement W4327856471

Les zones de rejet végétalisées : repères scientifiques et recommandations pour la mise en oeuvre

2017· preprint· fr· W4327856471 sur OpenAlexaff
L. Basilico, Léandre Vasseur, E. Villemagne

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2017
Typepreprint
Languefr
DomaineEnvironmental Science
ThématiqueConstructed Wetlands for Wastewater Treatment
Établissements canadiensWorld Federation of Science Journalists
Organismes subventionnairesnon disponible
Mots-clésWetlandEnvironmental scienceEnvironmental planningBusinessEnvironmental engineeringWaste managementEngineeringEcologyBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

/ Implantées en sortie des stations de traitement des eaux usées (Steu), les zones de rejet végétalisées (ZRV) sont souvent présentées comme un moyen complémentaire de protection des milieux naturels vis-à-vis des polluants, en complément de l'abattement réalisé par les stations de traitement des eaux usées et des efforts indispensables menés, en amont, pour réduire à la source les émissions. En France, elles font l'objet d'un engouement croissant depuis une quinzaine d'années. En 2011, l'atelier ZRV du groupe de travail Évaluation des procédés nouveaux d'assainissement des petites et moyennes collectivités (Epnac) en a recensé 560 dans 35 départements, de formes et de dimensions très variables, dont la moitié implantée en sortie de Steu de moins de 500 équivalents habitants (EH). Leur surface utile, souvent conditionnée par le foncier disponible, peut varier de 0,01 m2/EH à 50 m2/EH. Par quels mécanismes une ZRV opère-t-elle une réduction de volume ou un lissage des débits transmis au milieu récepteur ? Dans quelle mesure réalise-t-elle un abattement sur les différentes substances polluantes (macropolluants, micropolluants, microorganismes) ? Quels sont les rôles précis de l'eau, du sol, des végétaux dans ces mécanismes ? Quels sont ses autres impacts - positifs ou négatifs - sur le milieu ?

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0040,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,256
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)Même sujetConstructed Wetlands for Wastewater TreatmentTravaux en français237 207