Reconstruction et analyse de sensibilité climatique du bilan de masse du glacier Saskatchewan, Canada
Bibliographic record
Abstract
AvertissementL'auteur de ce mémoire ou de cette thèse a autorisé l'Université du Québec à Trois-Rivières à diffuser, à des fins non lucratives, une copie de son mémoire ou de sa thèse.Cette diffusion n'entraîne pas une renonciation de la part de l'auteur à ses droits de propriété intellectuelle, incluant le droit d'auteur, sur ce mémoire ou cette thèse.Notamment, la reproduction ou la publication de la totalité ou d'une partie importante de ce mémoire ou de cette thèse requiert son autorisation.REMERCIEMENTS L'information contenue dans ce mémoire est le résultat de quatre ans d'efforts soutenus parallèlement à mes nombreuses autres passions.Ce cheminement m'a fait développer de nouvelles connaissances et expertises, tant dans les sciences de l'environnement que dans la gestion de projet.Cette expérience m'a permis d'évoluer grandement sur le plan personnel et de faire des rencontres de gens extraordinaires tout au long de mon parcours: des gens qui ont à cœur le bon fonctionnement de la planète et de ses écosystèmes.Je tiens à remercier mon directeur de maîtrise M. Christophe Kinnard, professeur du Département des sciences de l'environnement de l'Université du Québec à Trois-Rivières, de m'avoir fait confiance pour ce projet ambitieux.Il a fait part d'une grande disponibilité, d'optimisme et d'efficacité tout au long de la recherche.Je tiens également à remercier les membres du jury qui ont accepté d'évaluer mon travail: MM.Denis Gratton et Ali Assani, professeurs du Département des sciences de l'environnement de l'Université du Québec à Trois-Rivières.Merci à Michael Demuth, de la Commission géologique du Canada, de nous avoir permis de réaliser les travaux de recherche sur le champ de glace Columbia.Je remercle tous les gens qui sont passés et qui travaillent actuellement au Laboratoire en environnement des régions froides (GLACIOLAB): Okan Aygün,
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 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 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".