Inventaire ichtyologique du bassin versant de la zone du Chêne et de la forêt de la Seigneurie de Lotbinière au moyen de l’ADN environnemental
Bibliographic record
Abstract
L’inventaire ichtyologique sur le territoire de l’Organisme de bassins versants (OBV) de la zone du Chêne et de la forêt de la Seigneurie de Lotbinière (FSL) a été réalisé par l’analyse de l’ADN environnemental (ADNe). Le but principal consiste à documenter la diversité et l’abondance relative des poissons dans plusieurs sites de la FSL ainsi qu’en territoire agroforestier, et de comparer la richesse spécifique détectée par l’ADNe à celle obtenue lors d’inventaires antérieurs. Quarante et une espèces de poissons sont présentes sur le territoire, dont l’omble de fontaine (Salvelinus fontinalis) et l’achigan à petite bouche (Micropterus dolomieu) recherchés par les pêcheurs, ainsi que deux espèces d’un intérêt particulier pour la conservation, le fouille-roche gris (Percina copelandi) et le méné bec-de-lièvre (Exoglossum maxillingua). Quatre espèces y sont répertoriées pour la première fois. Lorsque la capture de poissons n’est pas nécessaire, l’ADNe est une technique très efficace qui permet de brosser un portrait plus complet des espèces en présence avec un effort d’échantillonnage moindre que les techniques d’inventaires traditionnels, et ce, de manière beaucoup moins invasive.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".