Appréciation et traitement du risque – Aléas géologiques et hydrométéorologiques dans le secteur de Rigaud-sur-le-Lac pour le chemin du Bas-de-la-Rivière à Rigaud
Bibliographic record
Abstract
Plusieurs risques naturels affectent le secteur de Rigaud-sur-le-Lac à Rigaud, qui a été affecté lors de l’inondation de 2017. Celui-ci est en effet exposé à d’autres aléas, notamment les séismes, les glissements de terrain, les embâcles de glace, la rupture de barrage et les micro-rafales. Cette étude a pour objectif d’identifier et d’analyser les risques naturels touchant ce secteur, afin d’identifier les mesures à adopter pour réduire les conséquences lors d’événements futurs. La démarche s’appuie sur une approche de réduction multirisque. Celle-ci consiste à identifier les risques, les analyser \nindividuellement et à combiner plusieurs critères ponctuels (liés aux événements météorologiques ou aux degrés d’exposition) ou saisonniers (cumuls de facteurs dans le temps et dans l’espace), afin d’en dégager le niveau de risque, en terme de probabilité et de conséquences anticipées. Les données probantes utilisées proviennent des données de partenaires, tels que Hydro-Québec, les gouvernements fédéral et provincial, et le centre ESCER de l’UQÀM.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".