Identification et protection des corridors naturels de part et d’autre de l’autoroute 10 (Estrie et Montérégie Est) et amélioration de sa perméabilité faunique : premiers résultats
Bibliographic record
Abstract
L’autoroute 10 fragmente les milieux naturels des montagnes Vertes du Nord, un segment des Appalaches du sud du Québec. L’objectif de Corridor appalachien et ses partenaires est de maintenir ou de restaurer la connectivité des habitats de part et d’autre de cet élément de fragmentation. L’approche multiple retenue pour y parvenir passe d’abord par l’identification des corridors naturels de part et d’autre de l’autoroute 10 et des passages à aménager afin d’en améliorer la perméabilité faunique. Le protocole, la collecte de données et les premières analyses vers une telle identification ont été respectivement élaborés et réalisés en partenariat avec des acteurs des domaines de la recherche et de la conservation, ainsi que des représentants des ministères provinciaux concernés. Elle implique également une concertation indispensable avec les instances municipales et les groupes de conservation locaux afin de maintenir ou de restaurer la connectivité écologique, en protégeant les milieux naturels dans les corridors identifiés. Cette approche multidisciplinaire et des partenariats solides sont essentiels à l’atteinte de résultats concrets dans l’amélioration de la sécurité routière, de la perméabilité faunique de l’autoroute 10 et de la protection de la connectivité écologique du territoire pour le maintien de la biodiversité et l’adaptation aux changements climatiques.
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 | 0.009 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".