Bibliographic record
Abstract
Les oies causent des dommages au substrat des marais intertidaux (schorres) du Saint-Laurent. Leur activité printanière et automnale contribue ainsi à augmenter et à accélérer l'érosion par les agents naturels. La destruction précoce du couvert végétal à l'automne à la suite de l'arrivée massive des oies réduit son rôle protecteur contre l'érosion par les vagues et les courants de la vase fraîche déposée durant l'été. La surface vaseuse intensément picorée et piétinée par les oies est alors déstabilisée et sujette à une érosion subséquente plus importante. À la recherche des rhizomes, les oies creusent dans le substrat des milliers de petits trous, ce qui entraîne par la suite un démaigrissement de la surface du schorre inférieur d'une dizaine de centimètres d'épaisseur. Cette modification du profil a pour conséquence d'augmenter l'épaisseur de la nappe d'eau au-dessus de cette zone, de sorte qu'il y a augmentation de l'érosion par les vagues de la micro-falaise du schorre supérieur. De plus, les oies, en broutant le pourtour des mares, les agrandissent. De même, elles détruisent les radeaux du schorre et grugent le rebord du schorre inférieur et le font reculer. Même si les vagues, les courants et les glaces demeurent les principaux agents d'érosion du marais intertidal, on croit qu'une partie de l'érosion récente qui affecte le shorre de Montmagny est liée à l'action des oies.
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 | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".