Les produits aquatiques d’origine québécoise : mieux les connaître pour mieux les apprécier
Bibliographic record
Abstract
Malgré les nombreuses espèces de poissons et fruits de mer peuplant les eaux du Québec et une florissante industrie de la pêche, les Québécois consomment peu de produits aquatiques (PA), et encore moins ceux pêchés, récoltés et transformés dans la province. Pourtant, ils possèdent des atouts nutritionnels indéniables. Cet article dresse la liste des espèces de poissons et fruits de mer commerciales, incluant les macroalgues, provenant du Québec et présente leur valeur nutritive. Il discute également des facteurs limitant leur consommation et énonce des pistes de solution afin d’inciter les Québécois à s’en procurer davantage. En effet, choisir de consommer des PA d’origine québécoise va sans doute devenir encore plus crucial à l’avenir, non seulement pour profiter de leurs bénéfices nutritionnels, mais également pour contribuer au développement d’un système alimentaire durable qui notamment, favorise l’économie des communautés, préserve davantage les ressources, améliore la sécurité alimentaire et valorise les métiers de pêcheurs, d’aquaculteurs et de transformateurs.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".