Un modèle de risque comme outil de gestion d’une aire marine protégée : l’exemple du parc marin du Saguenay–Saint-Laurent
Bibliographic record
Abstract
Dans les aires marines protégées, la biodiversité et la complexité des écosystèmes sont souvent menacées par les activités humaines et leurs multiples effets. Afin de soutenir les gestionnaires dans leurs efforts de conservation et de protection, un modèle du risque relatif a été développé comme outil pour localiser les zones cumulant le plus de risques environnementaux, identifier les sources anthropiques de stress et évaluer des approches permettant de réduire les risques et d’augmenter le niveau général de protection dans une aire marine de conservation. Une interface informatique permet une utilisation simplifiée du modèle de risque par l’équipe scientifique et les gestionnaires. À titre d’exemple, l’application du modèle au parc marin du Saguenay–Saint-Laurent (PMSSL) a permis de cartographier les zones les plus à risque en période estivale, alors que les activités anthropiques sont les plus intenses et les sources de risques sont les plus nombreuses. Les résultats montrent que l’embouchure du fjord du Saguenay et la zone côtière des Bergeronnes sont les secteurs les plus à risque du PMSSL. La grande flexibilité du modèle permet de travailler avec des simulations (augmentation ou diminution d’une ou plusieurs sources de stress) et de déterminer la portée relative d’une activité de conservation.
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 | 0.001 | 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 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".