Bibliographic record
Abstract
Dans cette étude portant sur une région plutôt restreinte en surface (moins de 10 km 2 ), nous avons essayé de déterminer la part relative des différents facteurs ayant influé sur le développement d'un modelé caractérisé par des versants raides tranchés par des surfaces quasi planes parfois surmontées de barres de grès. Les bancs de grès présentent un pendage médian de 52° et une épaisseur médiane de 1m. Une analyse portant sur 42 bancs a montré qu'il existe une corrélation positive entre l'épaisseur des bancs et leur granulométrie. Nous avons également montré que la diaclasation des bancs est fonction de leur épaisseur. C'est cette diaclasation qui conditionne le mode d'évolution des versants qui se fait surtout sous l'action de la gélifraction et de la gravité, sous forme d'éboulis. Elle détermine également la taille des produits de l'érosion. Si l'histoire géologique de la région est un facteur déterminant, il apparaît toutefois que le rôle des facteurs lithologiques et structuraux est le plus important : le relief est étroitement calqué sur le mode de sucession des strates et la position des bancs inclinés vers le fleuve facilite l'érosion par enlèvement de pans sucessifs, surtout en position littorale où le rôle du pied de glace est et a été très important.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".