Développement d'une approche biologique de dénitrification des effluents des mines d'or à l'échelle de laboratoire
Bibliographic record
Abstract
DÉDICACEÀ mon grand-père qui nous a quitté dernièrement … À mon père qui m'a toujours donné la force dans la vie … À ma mère, ma reine et ma plus chère au monde … À ma sœur, le plus précieux cadeau de mes parents … Je dédie ce travail !REMERCIEMENTS C'est avec un grand plaisir que je réserve cette page en signe de gratitude et de profonde reconnaissance à tous ceux qui ont bien voulu apporter l'assistance nécessaire au bon déroulement de ce travail.Je tiens tout d'abord à exprimer mon grand respect et mes sincères remerciements à Carmen Mihaela Neculita, ma directrice de recherche à l'UQAT, pour la confiance qu'elle m'a accordée en acceptant de me diriger pour ce projet de maîtrise.Qu'elle trouve dans ce travail l'expression de ma profonde gratitude.C'est grâce à ton partage d'expérience, tes conseils pertinents et la bonne gestion dans les moments difficiles du projet que ce travail trouve le jour.Je tiens à remercier Thomas Genty, mon co-directeur dans ce projet, à qui je dois beaucoup dans la réalisation des travaux de laboratoire.Merci de ton aide et de tes conseils dans les périodes de bas.Ceci m'a éclairé durant les moments difficiles.Mes vifs remerciements s'adressent également à mes deux co-directeurs Bruno Bussière et Robin Potvin, qui ont accepté de me superviser durant ce projet.J'aimerais témoigner du plaisir qu'était pour moi de travailler sous leurs directives.Mes remerciements vont également au Conseil de recherches en sciences naturelles et en génie (CRSNG) qui a financé ce projet ainsi qu'aux partenaires industriels de l'Institut de recherche en mines et en environnement (IRME) UQAT-Polytechnique (Agnico Eagle, Mine Canadian Malartic, Iamgold Corporation, Mine Glencore Raglan et Rio Tinto) et à l'entreprise Mabarex.Je tiens à remercier spécialement à la chercheuse postdoctorale Carolina Gonzalez-Merchan, pour son assistance, son soutien, ses encouragements et ses précieux conseils qui m'ont guidé surtout lors de la rédaction de ce mémoire.C'est grâce à ta compétence que je trouve la mienne.Je voudrais également exprimer ma gratitude particulièrement à Sabrina Castelli, Félicia Porqueres, Sabah Lounate Khalifa, André Gélinas, Daniel Camara, Marc Paquin ainsi que toute l'équipe du Centre technologique des résidus industriels (CTRI) et de l'Unité de recherche et de service en technologie minérale (URSTM-IRME) ; ce fut un plaisir de travailler avec vous tous.Je m'arrête dans ces lignes aussi pour souligner l'effort et montrer ma gratitude envers le cadre administratif du CTRI, de l'IRME et de l'UQAT ; je garde de cette expérience partagée avec vous de très beaux souvenirs.Annexe C -Bilan d'azote des essais en batch et en fed-batch .....................................
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".