Quel est l’apport d’un observatoire photographique pour la protection et la mise en valeur des paysages : le cas des lanières agricoles de la MRC de Memphrémagog
Bibliographic record
Abstract
En 1986, la MRC de Memphrémagog avait mandaté la firme SOTAR pour procéder à une première caractérisation des paysages d’intérêt (SOTAR, 1986) soit, au sens de la Loi sur l’aménagement et l’urbanisme, les territoires d’intérêt patrimonial, esthétique et culturel. Le mandat avait entre autres conduit à une documentation photographique de ces paysages. Ainsi, quelque 600 diapositives révélant les éléments constitutifs des paysages qui participaient à son caractère distinctif sont issues de cette étude. Informée de l’existence de ce fonds, la MRC, en partenariat avec l’Université de Montréal, s’est dite intéressée à mettre en place un observatoire photographique des paysages afin de définir l’apport de cet outil pour comprendre et de documenter l’évolution de ses paysages d’intérêt. Suivant la méthode générale des observatoires photographiques des paysages (Guittet, 2016), un retour sur près de 60 sites a été effectué et près de 48 rencontres ont été menées auprès d’acteurs du territoire en ayant pour objectif de comprendre les dynamiques sous-jacentes aux transformations observées. Le présent mémoire s’arrime à cette initiative en s’intéressant aux sites contenus à l’intérieur des lanières agricoles identifiées par l’étude de la SOTAR en 1986. À travers l’analyse de 16 sites et la rencontre de 20 participants, l’étude témoigne de l’effacement progressif des paysages des lanières. Le retrait de l’agriculture sur certaines portions du territoire aura contribué à la disparition de granges, à la fermeture de champs visuels et à l’arrivée d’une nouvelle population constituée de non-agriculteurs. Cette étude aura également permis de mieux définir l’importance de la compréhension du contexte social dans la transformation des paysages.
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 | 0.007 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.008 | 0.005 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 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".