Bibliographic record
Abstract
Depuis 2017, nous vivons dans le golfe du Saint-Laurent, et particulièrement au Québec, une crise importante liée à la présence de la baleine noire de l’Atlantique Nord, une espèce de plus en plus répandue dans nos eaux. Au-delà des enjeux relatifs a? la distribution spatio-temporelle de cette espèce en voie de disparition sur un territoire chevauchant les zones de pêche et des défis de coexistence que cela comporte, il existe un volet socioéconomique important lié à cette crise qui est encore trop peu explore?. Ce livre présente une analyse de développement durable qui relie les aspects écologique (baleines et écosystèmes), social (pêcheurs et communautés côtières) et économique (impacts) afin de relever les meilleures solutions de coexistence dans les années a? venir et ainsi permettre aux pêcheurs de participer a? toutes les étapes de la gestion de cette crise dans le golfe du Saint-Laurent. Rassemblant les contributions de huit experts issus de différentes disciplines, le présent ouvrage s’adresse aux étudiants, chercheurs, gestionnaires gouvernementaux et autres experts du domaine des pêches, ainsi qu’aux personnes intéressées par la médiation environnementale. Il s’adresse aussi aux pêcheurs et associations de pêcheurs qui veulent parfaire leurs connaissances du système dans lequel ils évoluent. Finalement, cet ouvrage intéressera le grand public sensible à cette nouvelle situation environnementale au cœur de nos communautés.
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 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| 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".