Bibliographic record
Abstract
Le 6 juillet 2013 en pleine nuit, non seulement la communauté de Lac-Mégantic était sous le choc, mais aussi le Québec tout entier. Un train à la dérive, comprenant 72 wagons remplis de pétrole brut, explosait en plein centre-ville, provoquant le décès de 47 personnes, la destruction de plusieurs immeubles, la perte de centaines d’emplois et le désarroi de plusieurs milliers d’endeuillés d’un proche, d’un ami ou d’un voisin. Très rapidement, des policiers, des pompiers, des infirmières et des travailleurs sociaux se sont rendus sur les lieux pour assurer la sécurité physique et psychologique des victimes directes et indirectes. Différentes interventions tant curatives que préventives ont été mises en place dans les jours, les semaines et les mois qui ont suivi. Les organismes publics et communautaires de Lac-Mégantic, de l’Estrie et de plusieurs autres municipalités du Québec ont fait preuve d’ingéniosité pour répondre aux différents besoins de soutien de la population. Cet ouvrage s’adresse aux formateurs, aux étudiants ainsi qu’aux professionnels du réseau de la santé et des services sociaux, aux intervenants municipaux et à toute personne qui a à intervenir en cas de catastrophe. Il permet aux lecteurs de se familiariser avec différents moyens pouvant être mis en œuvre lors des étapes de secours, d’intervention et de rétablissement en cas de sinistre. Plus d’une trentaine d’auteurs partagent les leçons qu’ils ont apprises au cours de leur expérience sur le terrain. Tous estiment que le contenu de cet ouvrage pourra être utile à d’autres intervenants et communautés qui seront aux prises avec une catastrophe naturelle ou anthropique.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.162 | 0.034 |
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".