Bibliographic record
Abstract
Les cartes topologiques simplifiées peuvent préserver la topologie des régions à l’intérieur d’une zone et offrir une variété de modes de présentation des variables géographiques, tout en attribuant un poids égal à toutes les régions. La topologie du Canada se prête bien à la présentation de l’information au moyen de cartes topologiques. Les premiers cas de COVID–19 au Canada ont été diagnostiqués en janvier 2020 ; le virus s’est répandu sur une grande partie du territoire en mars, la propagation atteignant un sommet d’avril à mai pour connaître ensuite une période d’accalmie ou de creux de juin à août, suivie d’une recrudescence plus marquée encore d’octobre à novembre. Bien que les provinces canadiennes les plus populeuses aient affiché le plus grand nombre de cas par 100 000 habitants, la propagation de la COVID–19 a atteint des sommets dans presque toutes les provinces. Dans les provinces atlantiques et les territoires du nord, les périodes de culmination ont été les plus courtes et les maximums enregistrés, les plus modestes, les chiffres les plus élevés se rapportant à une éclosion au Nunavut, en novembre. Le nombre de cas dans le centre du Canada s’est maintenu dans l’intervalle « modéré à élevé » pendant une grande partie de l’année, alors qu’il a connu une hausse importante dans l’ouest du pays en fin d’année.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.007 | 0.008 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 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".