Démarche d’attribution du statut international de géoparc : proposition d’une méthodologie d’analyse multicritère pour l’évaluation du potentiel des territoires et l’intégration des objectifs de développement durable
Bibliographic record
Abstract
En 2012, une démarche a été amorcée pour doter la région du Saguenay du label international de géoparc, accordé par l’UNESCO. L’objectif premier du géoparc est d'intégrer la préservation d'exemples significatifs de patrimoine géologique au sein d'une stratégie de développement socio-économique et culturel durable, à l'échelle régionale, tout en préservant l’environnement. Afin d’identifier et de détailler les divers atouts et composantes du territoire, une analyse scientifique a été menée par le Laboratoire d’expertise et de recherche en plein air (LERPA) de l’Université du Québec à Chicoutimi (UQAC). Associé à plusieurs experts disciplinaires de l’UQAC, le LERPA a conçu une approche novatrice pour conduire cette analyse. La démarche, qui intègre les concepts d’analyse mul-ticritère, d’analyse systémique de durabilité et d’ingénierie touristique, mobilise différents champs disciplinaires dans une logique interdisciplinaire et systémique. La mise en dialogue des diverses connaissances du territoire permet de mieux cerner l’ensemble des potentialités du territoire à mettre en valeur.
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 | 0.024 | 0.050 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.012 | 0.017 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.012 | 0.006 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 0.003 |
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".