L'EcoChip : une plate-forme de capteurs sans fil pour la surveillance bio-environnementale
Bibliographic record
Abstract
Le système proposé dans le cadre de ce travail est une plate-forme de capteurs sans fil permettant de mesurer la croissance de cultures de micro-organismes dans leur habitat naturel tout en effectuant diverses mesures environnementales. L’évaluation de la croissance des micro-organismes dans les 96 puits individuels du système est réalisée à l’aide d’un système de mesure d’impédance puisqu’il est possible de relier l’impédance d’une colonie de microorganismes à sa population en fonction du temps. Ces différentes informations sont très utiles afin d’évaluer l’état de santé d’un milieu donné et en particulier d’un milieu nordique pour ce projet. Les mesures d’impédance effectuées permettent d’identifier les puits où une croissance s’est produit et donc de les isoler plus facilement pour analyse future, ce qui simplifie le processus. Ce système effectue des mesures à intervalles régulier et peut transmettre ces mesures par un système de communication sans fil à un récepteur proche en plus de sauvegarder localement les données. Le système présente une consommation électrique très faible ce qui lui permet une autonomie de plusieurs mois avec une batterie dans des régions isolées. La conception en plusieurs puits de culture permet d’isoler plusieurs échantillons et de prendre des mesures séparées sur chacun de ceux-ci. Le projet est effectué dans le cadre de la stratégie Sentinelle Nord de l’Université Laval qui vise à améliorer la compréhension de l’environnement nordique. Le système proposé est unique en son genre au moment d’écrire ce mémoire puisqu’il permet simultanément la culture de micro-organismes in situ et l’évaluation de la croissance de ces derniers. La plate-forme proposée offre ainsi plusieurs opportunités pour les chercheurs en biologie et en microbiologie d’obtenir des informations sur ces milieux isolés. Des essais sur le terrain dans la région du Nord-du-Québec à Kuujjuarapik et au Lac à l’Eau Claire ont d’ailleurs permis de valider le fonctionnement du dispositif dans les conditions d’utilisations désirées en plus de démontrer, suite à une analyse du contenu des puits de culture, qu’il est possible de faire prospérer des micro-organismes dans ces derniers.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.004 |
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".