MétaCan
Menu
Back to cohort
Record W2807738670 · doi:10.7202/1047150ar

Suivi des espèces ciblées par les activités d’observation en mer dans le parc marin du Saguenay–Saint-Laurent de 1994 à 2017

2018· article· fr· W2807738670 on OpenAlex
Cristiane C. A. Martins, Samuel Turgeon, Robert Michaud, Nadia Ménard

Why this work is in the frame

A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.

affAt least one author lists a Canadian institution in the pinned OpenAlex snapshot.
fundA Canadian funder is recorded on the work.
venuePublished in a venue whose home country is Canada.
aboutThe title or abstract carries a Canadian signal from the geographic lexicon.

Bibliographic record

VenueLe Naturaliste canadien · 2018
Typearticle
Languagefr
FieldEnvironmental Science
TopicMarine and fisheries research
Canadian institutionsLibrary of Parliament
FundersParks Canada
KeywordsHumanitiesArtGeographyForestry

Abstract

fetched live from OpenAlex

Sur la côte est de l’Amérique du Nord, c’est dans l’estuaire du Saint-Laurent, et en ciblant principalement le rorqual commun ( Balaenoptera physalus ), que l’activité organisée d’observation des baleines a pris naissance. L’encadrement de l’activité a été possible par la création du parc marin du Saguenay–Saint-Laurent et la mise en place d’une réglementation. Un protocole d’échantillonnage a été mis au point pour assurer le suivi des activités d’observation en mer (AOM) des cétacés. Afin de caractériser les espèces ciblées et l’utilisation du territoire, 1186 excursions échantillonnées à bord des grands bateaux de Tadoussac, de 1994 à 2017, ont été analysées. Depuis 2001, il y a eu un changement de l’espèce ciblée en même temps qu’une diminution marquée de la densité locale du rorqual commun. Le rorqual commun a été l’espèce la plus ciblée au cours de 15 des 24 années échantillonnées, suivi par le petit rorqual ( Balaenoptera acutorostrata , 6 années) et le rorqual à bosse ( Megaptera novaeangliae , 3 années). Une analyse de groupement a mis en évidence des années similaires quant aux espèces ciblées et aux variables de distribution spatiale. La poursuite à long terme du suivi des AOM et des suivis systématiques permettra de mieux comprendre cet écosystème et d’assurer une gestion adaptative et durable de cette activité.

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.

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.400
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.002
Scholarly communication0.0000.001
Open science0.0010.001
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0030.000

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.

Opus teacher head0.028
GPT teacher head0.253
Teacher spread0.224 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it