Atelier "Systèmes d'Information et de Décision pour l'Environnement" (SIDE 2008) : actes de l'atelier
Bibliographic record
Abstract
/ La recherche en informatique et en systèmes d'information offre depuis des années des solutions de plus en plus performantes pour relever les récents challenges environnementaux. Les données environnementales acquises sont de plus en plus nombreuses et sont aujourd'hui structurées et analysées au sein de Systèmes d'Information et d'Aide à la Décision.L'objectif de l'atelier est de présenter comment les toutes dernières avancées de la recherche en systèmes d'information ou de décision s'appliquent au domaine environnemental. L'atelier était ouvert aussi bien à la présentation de travaux de recherche déjà appliqués au contexte de l'environnement, qu'à des réflexions plus prospectives sur les possibilités d'utilisation d'un produit de la recherche en informatique pour une application environnementale.\nLa journée d'atelier a été découpée par thème informatique en trois sessions. La première porte sur les ontologies, la seconde s'intéresse aux systèmes intégrés et d'aide à la décision, et la troisième concerne les systèmes communicants.\nLes huit articles de l'atelier ont été écrits par des auteurs de cinq pays différents (Allemagne, Autriche, Canada, Chine, France). On retrouve plusieurs domaines environnementaux. Il est par exemple question de géologie pour la capture et le stockage de dioxyde de carbone, de géotechnique avec un système d'aide pour la représentation des connaissances. Des travaux sur la cartographie des risques d'inondation sont aussi présents. Un autre article traite de\nla modélisation d'ontologies en agriculture. Un autre concerne la conception d'un SAD reposant sur une base de connaissances territoriale, pour l'Agence de gestion du Bassin de Souss-Massa. Différents travaux relatifs à l'acquisition ainsi qu'à l'intégration de données environnementales sont aussi décrits.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.018 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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 teacher head, 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".