Bibliographic record
Abstract
Au Quebec, le milieu forestier recouvre 92 % du territoire et il est sillonne de milliers de kilometres de cours d’eau. Cet imposant reseau hydrographique, au meme titre que la foret revet une grande importance aux niveaux environnemental, social, culturel et economique. En 1999, selon les donnees de la Societe de la faune et des parcs du Quebec,un million de Quebecois se sont adonnes a l’activite de la peche, soit 17 % de la population.Les retombees economiques directement liees a la peche sportive ont represente 9 100 emplois et 203 millions $ de revenus en salaires et gages, tandis que les retombees economiques indirectes ont ete de 414 millions $, pour un total de 617 millions $. En foret privee, pour effectuer ses travaux forestiers,le proprietaire est confronte a la difficulte de traverser des cours d’eau. Aussi, pour respecter le milieu naturel, il doit y amenager des structures adequates pour les franchir. En moyenne,pour chaque kilometre de route en milieu forestier,il faut installer quatre structures pour traverser les cours d’eau, que ce soit un pont,un ponceau ou des tuyaux de drainage. Il est donc important de comprendre les impacts potentiels de ces amenagements sur l’habitat du poisson et de connaitre les facons de reduire les dommages pouvant etre causes au cours d’eau. Une bonne planification et de saines pratiques d’intervention peuvent reduire le niveau des dommages, en plus de conferer a l’ouvrage une plus grande stabilite et, consequemment, une plus longue duree de vie. Il en resultera, a long terme, une diminution des couts d’entretien mais aussi, et surtout, des impacts environnementaux minimises, garantissant la sante du cours d’eau.
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 | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.364 | 0.222 |
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".