Représentation de trajectoires spatiotemporelles dans un système dâinformation géographique : le cas des activités dâobservation de mammifères marins dans le Parc marin du Saguenay â Saint-Laurent
Notice bibliographique
Résumé
L'important volume des excursions de bateaux touristiques liées aux activités d'observation en mer des mammifères marins (AOM) dans le Parc marin Saguenay-Saint-Laurent (PMSSL) pourrait avoir un impact négatif sur la santé des baleines qui fréquentent cette région de lâestuaire du fleuve Saint-Laurent. Cette situation a poussé les gestionnaires du Parc à désirer un outil d'information et de gestion pour mieux suivre lâévolution des AOM. \nLe présent mémoire décrit la conception de cet outil en proposant un modèle de l'excursion et des activités d'observation qui sert à lâélaboration dâune base de données. En sâappuyant sur le concept de la trajectoire spatiotemporelle, utilisée pour l'étude du comportement de déplacement basé sur l'activité, et sur le concept de l'objet mobile, développé en géomatique, notre modèle de données permet de reproduire graphiquement les trajectoires des excursions et l'enchaînement des activités qui ont lieu au cours de celles-ci. Le modèle est orienté objet et implanté dans une Geodatabase, une base de données relationnelle exploitable par le système d'information géographique (SIG) ArcGIS. Les objets de la base de données sont créés à partir des données de trois années de suivi des AOM réalisés par le Groupe de recherche et d'éducation sur les mammifères marins (GREMM). Nous montrons que le SIG peut exploiter la base de données de façon à répondre correctement aux besoins en information exprimés par les gestionnaires et que la représentation informatique des excursions sous la forme de trajectoires spatiotemporelles ouvre de nouvelles avenues de recherche sur les patrons dâactivités et le comportement de déplacement des bateaux.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».