Vers une gestion durable et intégrée des eaux pluviales : Une étude de cas pour le Québec
Bibliographic record
Abstract
Pour inciter les professionnels québécois engagés dans la gestion durable et optimale des eaux pluviales à cibler des objectifs clairs, huit propositions d’action publique, de même qu’une démarche méthodologique sommaire pouvant aider à utiliser ces propositions de manière avisée et responsable, ont été suggérées dans l’article complémentaire. Le présent article traite d’une étude de cas où les huit propositions ont été appliquées dans un secteur en développement résidentiel d’une municipalité québécoise, en suivant la méthodologie proposée. L’objectif principal du présent article est de montrer la faisabilité d’utiliser de nouvelles pratiques de gestion optimale (PGO) des eaux pluviales au Québec. L’analyse économique sommaire, décrite seulement à titre indicatif dans cet article, montre que l’implantation de quelques PGO applicables au Québec sur la base d’objectifs précis de gestion intégrée et durable, est réalisable et même rentable. Une analyse technique poussée reste toutefois nécessaire pour identifier toutes les PGO susceptibles d’améliorer les conditions de drainage urbain au Québec, de même qu’une analyse économique approfondie reste indispensable pour préciser les véritables coûts liés à l’investissement dans les nouvelles techniques.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".