Comment le droit peut-il contribuer à un développement durable sans perte nette de milieux humides ? Une évaluation du cadre québécois au regard de l’expérience internationale
Bibliographic record
Abstract
Devant les pertes importantes des milieux humides, de nombreux gouvernements ont adopté des lois et des politiques qui exigent des promoteurs immobiliers et des agriculteurs qu’ils évitent de dégrader ces milieux, en réduisent au minimum les impacts négatifs, et compensent ces derniers lorsqu’ils sont d’ordre résiduel (séquence d’atténuation). Les autorités québécoises se sont dotées en 2017 d’un nouveau cadre de conservation des milieux humides et hydriques. Il pose le concept d’aucune perte nette de milieux humides, en s’appuyant sur la séquence d’atténuation pour réglementer les activités humaines susceptibles de porter atteinte à leur intégrité. Or, la littérature révèle que, dans plusieurs États, ce genre de lois n’a pas permis d’atteindre l’objectif d’aucune perte nette de milieux humides. Par le présent texte, les auteures visent à comprendre les conditions et les mécanismes grâce auxquels il est possible d’empêcher toute perte nette de milieux humides, sur la base des expériences de plusieurs États, afin d’évaluer et d’éclairer la mise en oeuvre du cadre québécois.
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 | 0.004 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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".