Évaluation de l’efficacité des mesures d’atténuation des accidents routiers impliquant l’orignal par la modélisation individu-centrée
Bibliographic record
Abstract
Les collisions routières impliquant l’orignal se produisent souvent à proximité des mares d’eau stagnante où se concentre le sel de déglaçage qui a une forte teneur en sodium, un élément qui attire les orignaux. Cette étude vise à évaluer l’efficacité du drainage de ces mares salines et de l’implantation de mares salines compensatoires comme mesure d’atténuation des collisions routières impliquant l’orignal. Une approche de modélisation individu-centrée a été utilisée pour prédire le comportement des orignaux en relation avec divers scénarios de gestion des mares salines le long de la route 175 au Québec. Le suivi télémétrique de 47 orignaux a permis de calibrer et valider le modèle. Les résultats suggèrent que l’élimination de toutes les mares salines se traduirait par une réduction de 79 % des traversées de la route par les orignaux. L’érection de clôtures munies de passages fauniques est une autre méthode reconnue pour réduire le risque de collisions, mais nous ne connaissons pas l’influence de l’espacement entre les passages fauniques sur la perméabilité de la route dans les secteurs clôturés. Nous proposons un cadre conceptuel pour modéliser l’impact de la distance entre les passages fauniques le long de la route 175 sur la perméabilité de la route aux déplacements des orignaux.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| 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".