Ce que l'on sait sur les conséquences des inondations à la suite de diverses recherches réalisées en contexte québécois
Bibliographic record
Abstract
Après avoir réalisées plusieurs études sur les conséquences des sinistres sur la santé des individus, des intervenants et des communautés et encadrer sept mémoires de maîtrise sur ce sujet, la professeure Maltais a pu documenter ce qu’est la réalité des individus et de leur communauté. Entre autres, en ce qui a trait aux stress vécus et aux conséquences que peut avoir ce type d’événement sur la santé et le fonctionnement social des individus et de leur communauté. Ce webinaire permet de faire le point sur les faits saillants de ses divers travaux de recherche en ce qui a trait 1) aux stress et difficultés vécus par les sinistrées 2) aux conséquences qu’ont les sinistres et la perte de sa demeure sur la santé des individus 3) aux conséquences de l’application des mesures d’urgence sur le bon fonctionnement des municipalités et 4) aux recommandations émises par des experts et par les sinistrés eux-mêmes. Ce webinaire permet de sensibiliser les intervenants municipaux et ceux de 1e ligne sur ce que vivent les sinistrés tout en leur proposant des actions pouvant être mises en place afin de minimiser les impacts négatifs des sinistres.
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 | 0.028 | 0.057 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.007 |
| Science and technology studies | 0.013 | 0.009 |
| Scholarly communication | 0.021 | 0.005 |
| Open science | 0.004 | 0.006 |
| Research integrity | 0.007 | 0.007 |
| Insufficient payload (model declined to judge) | 0.065 | 0.007 |
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".