Traitement de la salinité sulfatée et de la toxicité associée des effluents miniers au moyen de l'électrocoagulation
Bibliographic record
Abstract
Je tiens tout d'abord à adresser mes sincères remerciements à mon directeur de thèse, Carmen Mihaela Neculita, professeur à l'Université du Québec en Abitibi-Témiscamingue (UQAT), qui m'a encadrée tout au long de cette thèse et qui m'a fait partager ses brillantes intuitions.Qu'elle soit aussi remerciée pour sa gentillesse, sa disponibilité permanente et pour les nombreux encouragements qu'elle m'a prodiguée.Je remercie également mes co-directeurs Lucie Coudert, professeur à l'UQAT et Patrick Olivier Lefebvre, professeur à l'Université Nationale de Singapour (UNS) pour leurs appuis, leurs conseils précieux et leurs contributions pour la réussite de ce projet de thèse.Mme Tsiverihasina Rakotonimaro, doctorante de l'UQAT, a non seulement contribué avec moi dans la rédaction de mon premier article scientifique, mais elle m'a aussi prodigué de nombreux conseils pour bien poursuivre ce projet.Qu'elle en soit remerciée.Je remercie également Gaëlle Triffault-Bouchet et Éloïse Veilleux du Centre d'Expertise en Analyse Environnementale du Québec (CEAEQ) pour leur participation aux essais de toxicité ainsi que pour leurs conseils sur l'interprétation des résultats issus du troisième article.Je remercie aussi tous les membres de l'équipe du laboratoire de l'Unité de Recherche et de Services en Technologie Minérale (URSTM) qui ont contribué de près ou de loin à la réalisation de ce projet, Patrick Bernèche, Alain Perreault, Joël Beauregard et plus particulièrement, Marc Paquin et Mélinda Gervais qui m'ont beaucoup soutenu et ont contribué à la réalisation d'une partie des essais, ainsi que tous les membres de l'Institut de Recherche en Mines et Environnement (IRME).J'adresse également toute ma reconnaissance aux membres du jury qui ont accepté de considérer ce travail de recherche et à tous mes enseignants pour la formation qu'ils ont eu le soin de m'apporter tout au long de mon cursus universitaire.Enfin, je tiens à remercier mes chers parents (Jaouhara et Ali), mes beaux-parents (Basma et Zouhaier), mes frères et beaux-frères (Maher, Moez, Bilel, Mohamed, Haithem et Souhaiel) et ma tante Batta qui m'ont beaucoup supporté lors de ce parcours.Un remerciement spécial à mon mari Houssem et à mes fils Ilyane et Iyed qui m'ont comblé d'amour et m'ont fourni un environnement propice.Grâce à vous tous, je savoure cet agréable fruit de quatre ans de travail.v AVANT-PROPOSDans le cadre des travaux de recherche réalisés durant cette thèse, plusieurs publications dans des revues avec comité de lecture ainsi que des présentations dans des conférences et symposiums ont été réalisées.L'ensemble de ces réalisations est détaillé ci-dessous. Revues avec comité de lectureFoudhaili, T., Rakotonimaro, T.V.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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".