Les États-Unis remplacent le NAD83 par le NATRF2022 : ce que cela signifie pour le Canada
Bibliographic record
Abstract
Résumé En 2022, les États-Unis, dans le cadre de la modernisation de leur système de référence, remplaceront le Système de référence géodésique nord-américain de 1983 (NAD83) par un nouveau cadre de référence terrestre nord-américain (NATRF2022), ce qui entraînera des différences de coordonnées horizontales de 1,3 à 1,5 mètre à la frontière canado-américaine par rapport au NAD83 (SCRS) canadien. Jamais auparavant des différences aussi importantes n’avaient existé entre les cadres de référence de nos deux pays. Le présent document examine les raisons pour lesquelles les États-Unis apportent ce changement et examine ensuite la situation du Canada en ce qui concerne les cadres de référence. Il y a des raisons impérieuses pour que le Canada emboîte le pas et passe au NATRF2022 d’ici une décennie, mais cela représente aussi des défis majeurs. Que le Canada suive ou non la même voie, il y a beaucoup de travail à accomplir pour préparer le Canada à l’adoption du NATRF2022 par les États-Unis. Le présent document se veut une première étape pour informer la communauté géospatiale canadienne de la décision des États-Unis d’adopter le NATRF2022 et de ce que cela signifie pour le Canada.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.009 | 0.002 |
| Scholarly communication | 0.006 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 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".