Contribution des vagues au transport des sédiments littoraux dans la région de Trois-Pistoles, estuaire du Saint-Laurent, Québec
Bibliographic record
Abstract
Dans la région de Trois-Pistoles, l’action des vagues est moins importante en raison de la prédominance que prennent le glaciel et la marée dans le transport des sédiments littoraux de cette région. La disparité et le mauvais triage des sédiments de surface montrent que plusieurs processus sédimentologiques contribuent à la répartition des sédiments récents. L’influence de la marée dont le marnage atteint 5 m et celle des glaces flottantes dont l’activité dure environ 100 jours par année sont des processus relativement bien connus. L’analyse de l’action des vagues est basée sur le modèle de mise en mouvement des sédiments mis au point par KOMAR et MILLER (1975) en utilisant les données de vagues enregistrées au large de Trois-Pistoles. L’action prédominante des vagues consiste davantage à brasser les sédiments qu’à les trier à cause du balancement de la marée. La formation de nombreuses flèches dans la région montre cependant que les vagues d’intensité plus forte réparties sur de longues périodes contribuent à la construction des formes d’accumulation dans la région. Le rôle que jouent les vagues à l’interface entre les sédiments récents et les argiles de la mer de Goldthwait reste à déterminer.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".