Introduction aux études sur les connaissances traditionnelles à l’appui des outils géoscientifiques pour l’évaluation des mines de métaux dans le Nord canadien
Bibliographic record
Abstract
Ce rapport décrit un projet triennal (2015-2018) visant à améliorer la compréhension du climat passé. Il étudie la façon dont les métaux et les métalloïdes ont réagi aux différentes conditions climatiques par le passé. Les sédiments des lacs et les tourbières sont connus sous le nom d’archives paléoécologiques. Autrement dit, ils contiennent des fossiles qui aident à comprendre l’écologie passée des plantes et des animaux dans la région. L’étude a examiné les conditions climatiques historiques révélées par la chimie et la teneur en fossiles de ces sédiments et tourbières. Elle a également examiné l’Inuit Qaujimajatuqangit (connaissances traditionnelles). Cela pourrait donner lieu à des prévisions plus précises de la façon dont les métaux et les métalloïdes réagissent aux changements climatiques actuels et prévus. Les régions de Yellowknife et de Courageous Lake de la province géologique des Esclaves riche en minéraux ont une histoire d’exploitation aurifère. Ces zones ont été étudiées pour voir comment les métaux et les métalloïdes exploités par les activités minières passées peuvent se déplacer dans l’environnement. Les partenaires du projet – l’Alliance des Métis de North Slave, la Première Nation des Dénés Couteaux-Jaunes, le Tłįchǫ Research and Training Institute et Hadlari Consulting Ltd. – ont mené des études sur les connaissances traditionnelles et l’Inuit Qaujimajatuqangit. Les renseignements tirés de ces études seront utilisés conjointement avec les données recueillies par les techniques scientifiques occidentales. Cela permettra de mieux comprendre le transport et le devenir des métaux et des métalloïdes dans un climat changeant.
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 | 0.025 | 0.046 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.009 | 0.013 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.017 | 0.005 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
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".