La science au service de la conservation au parc marin du Saguenay‑Saint-Laurent : Comment mieux comprendre permet de mieux protéger
Bibliographic record
Abstract
Résultant d’une vingtaine d’années d’études, de support du milieu régional et de négociations, la création du parc marin en 1998 peut être considérée comme un événement important dans le domaine de la conservation du milieu marin, au Québec comme au Canada. Située à la confluence de l’estuaire du Saint-Laurent et du Saguenay, la région couverte par le parc marin est reconnue comme étant un lieu particulier à plusieurs égards. Les écosystèmes estuariens qu’on y retrouve sont d’une grande richesse, mais sont également soumis à plusieurs sources de pression. L’atteinte des objectifs énoncés lors de la création du parc marin exige le recours à une gamme d’outils comme la gouvernance, la science et l’éducation. La recherche scientifique est inscrite au sein même du mandat légal du parc marin, ce qui témoigne de son importance comme outil de conservation. Mais pour que la science puisse rendre service à la conservation, il est nécessaire de diffuser les connaissances au public. Par ailleurs, puisque la science ne détient pas toujours de certitude devant la complexité des écosystèmes, il importe parfois de recourir à la gestion adaptative et au principe de précaution. Le rapprochement entre les divers joueurs, comme les scientifiques, les gestionnaires, les communautés et les visiteurs, est essentiel afin que les connaissances scientifiques puissent orienter les actions de conservation, la gestion des activités et susciter l’adhésion aux objectifs du parc marin. Beaucoup de chemin a été parcouru depuis l’établissement du parc marin il y a dix ans, mais l’intégration des connaissances scientifiques aux actions de conservation de ce milieu exceptionnel que constitue le parc marin demeure toujours un important défi.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.013 | 0.006 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".