Guide d’analyse de la dynamique du bois en rivière
Bibliographic record
Abstract
Le bois en rivière pose de nombreux défis aux personnes responsables d’assurer la gestion des rivières, notamment lorsqu’il est question de trouver un équilibre entre les risques (inondations, érosion, sécurité des personnes et des infrastructures) et les services écosystémiques induits par la présence de bois. Il importe de développer une compréhension holistique des environnements fluviaux exposés à la dynamique du bois en rivière pour orienter l’analyse, la prise de décision et pour cibler les actions les plus efficaces et pérennes possibles. Ce guide se propose d’offrir aux gestionnaires des cours d’eau un ouvrage de référence exposant des connaissances scientifiques récentes concernant la dynamique du bois en rivière ainsi qu’une clé d’évaluation des dynamiques fluviales et de leur sensibilité à la présence de bois (Annexes 1 et 2). Il constitue ainsi un outil d’information, de sensibilisation, d’interprétation et d’accompagnement pour mieux cerner les effets du bois dans les cours d’eau du Québec. Ce guide a pour objectif de soutenir les personnes responsables d’assurer la gestion des cours d’eau ainsi que des écosystèmes aquatiques et riverains dans la prise de décision en considération des effets indésirables possibles, mais aussi des opportunités que le bois en rivière présente. Il s’agit d’un ouvrage complémentaire à utiliser en amont du guide technique sur le démantèlement d’embâcles et dans la continuité du rapport scientifique sur la restauration de l’habitat du poisson en rivière publiés par la Fondation de la Faune du Québec.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.036 | 0.018 |
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".