L’impact des routes, au-delà des collisions : le cas des oiseaux forestiers et des amphibiens
Bibliographic record
Abstract
Bien que plus difficiles à quantifier, les effets indirects des routes sur la faune devraient être considérés au même titre que la mortalité routière, car certaines espèces évitent les abords des routes au moins durant une partie de l’année, ce qui peut mener à une fragmentation plus ou moins permanente de leurs populations. D’autre part, on observe chez plusieurs espèces un effet de bordure suivant lequel les abords des routes constituent un habitat de qualité marginale en raison du bruit, des substances et particules projetées par le passage des véhicules, des substances utilisées pour l’entretien routier (p. ex. sels de déglaçage) ou d’autres facteurs. Les oiseaux forestiers étudiés s’avèrent sensibles à la présence de routes à circulation intense, probablement en raison de la pollution sonore, alors qu’une espèce étudiée s’est avérée relativement tolérante à la construction d’une route de gravier. Quant aux amphibiens, les juvéniles en dispersion de 3 des 5 espèces étudiées semblaient éviter la traversée de routes pavées. Les gestionnaires de l’environnement devraient planifier l’aménagement des réseaux routiers dans la perspective du paysage afin d’éviter de dégrader ou de fragmenter les habitats critiques et de créer des barrières pour les mouvements saisonniers des espèces sensibles.
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 | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 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".