Livre blanc sur la valorisation des données numériques et l'applicatn concertée de l'IA dans le secteur bioalimentaire
Notice bibliographique
Résumé
Ce livre blanc est une initiative de l’Observatoire international sur les impacts sociétaux de l’IA et du numérique (OBVIA) en collaboration avec le Forum IA Québec et l’Institut de valorisation des données (IVADO) sur la base d’un besoin exprimé par le ministère de l’Agriculture, des Pêcheries et de l’Alimentation du Québec (MAPAQ). Ce livre blanc porte sur la valorisation des données numériques et de l’IA dans le bioalimentaire au Québec et comporte 6 parties: la pertinence des données numériques et de l’IA pour le bioalimentaire de l’avenir le portrait du secteur bioalimentaire au Québec les définitions des données numériques, de l’automatisation et de l’IA la description du processus de concertation des acteurs du bioalimentaire au Québec l’état des lieux de la valorisation des données numériques et de l’IA les pistes d’action préconisées par les acteurs concertés
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 | 0,026 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,007 | 0,003 |
| Communication savante | 0,012 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,006 |
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 ».