MétaCan
Menu
Back to cohort
Record W2066716950 · doi:10.4000/vertigo.10173

Les risques naturels littoraux dans le Nord-Pas-de-Calais, France

2010· article· fr· W2066716950 on OpenAlexvenueno aff
Arnaud Héquette

Bibliographic record

VenueVertigO · 2010
Typearticle
Languagefr
FieldEarth and Planetary Sciences
TopicCoastal and Marine Dynamics
Canadian institutionsnot available
Fundersnot available
KeywordsSubmersion (mathematics)GeologyCalaisLittoral zoneForestryGeographyHumanitiesOceanography

Abstract

fetched live from OpenAlex

Le littoral du Nord-Pas-de-Calais consiste en grande partie en de larges plages sableuses et en dunes côtières, localement interrompues par des estuaires, des agglomérations côtières et quelques falaises rocheuses. Comme toutes les côtes basses, les littoraux meubles du Nord-Pas-de-Calais sont sujets à des phénomènes d’érosion et de submersion marine, certains secteurs de dunes côtières étant caractérisés par un recul du front dunaire depuis plusieurs décennies. Les dunes littorales constituent souvent un rempart naturel protégeant des zones de polders de la plaine côtière des attaques de la mer et leur érosion ne fait qu’augmenter les risques de submersion marine pendant les tempêtes. La zone côtière du Nord-Pas-de-Calais étant densément peuplée, le recul du trait de côte et les submersions de tempête représentent une menace pour les riverains dans plusieurs secteurs de ce littoral. Le caractère macrotidal (marnage > 4 m) du littoral du Nord-Pas-de-Calais résulte toutefois en une atténuation des effets des tempêtes, car les fluctuations du niveau d’eau dues à la marée limitent le temps pendant lequel les phénomènes d’érosion et de submersion marine peuvent se produire. L’élévation récente du niveau de la mer dans la région suggère cependant que les phénomènes d’érosion littorale et de submersion marine risquent d’augmenter pendant les prochaines décennies.

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 imitation

Not 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.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.575
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0020.000

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.

Opus teacher head0.010
GPT teacher head0.212
Teacher spread0.201 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations6
Published2010
Admission routes1
Has abstractyes

Explore more

Same venueVertigOSame topicCoastal and Marine DynamicsFrench-language works237,207