Développement d’un outil de priorisation des milieux naturels forestiers à conserver pour maintenir la connectivité écologique et la biodiversité dans les basses-terres du Saint-Laurent
Bibliographic record
Abstract
Plus de 10 années de recherche et de collaboration ont permis de développer les connaissances scientifiques sur la connectivité écologique des milieux naturels forestiers des basses-terres du Saint-Laurent. Ce projet de recherche établit un portrait de l’état actuel et prévu des priorités de conservation en se basant sur la qualité de l’habitat forestier et de la connectivité écologique pour un ensemble d’espèces fauniques vertébrées. Les résultats identifient des secteurs de haute priorité de conservation afin de maintenir la connectivité des habitats pour ces espèces cibles. Sans action majeure visant la conservation ou la restauration de milieux naturels, la recherche démontre une réduction à long terme de la connectivité écologique dans la plupart des secteurs de cette province naturelle. Ces changements anticipés se répercuteront sur la biodiversité et les services écosystémiques rendus par ces milieux naturels en réponse aux changements climatiques et d’occupation du territoire. Les développements méthodologiques rendus disponibles par l’équipe de recherche pourront outiller les utilisateurs concernés en leur permettant d’intégrer des notions de connectivité écologique et de qualité de l’habitat aux enjeux de conservation et d’aménagement du territoire.
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 | 0.007 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".