Développement d'une démarche pour améliorer la désinfection secondaire et la qualité de l'eau potable au Nunavik : projet pilote à Kangiqsualujjuaq
Bibliographic record
Abstract
La population des villages du Nunavik, au nord du Québec, a généralement accès à l'eau potable municipale à partir de réservoirs domestiques. L'eau brute, qui vient généralement d'une source de surface, est amenée à l'usine de traitement municipale pour être traitée avec des rayons ultraviolets et du chlore, puis distribuée à la communauté par des camions citernes. Une campagne d'échantillonnage de l'eau réalisée en 2019 dans trois villages du Nunavik a mis en évidence que la désinfection par chloration n'est pas suffisante pour assurer une protection adéquate pendant la distribution et le stockage domestique de l'eau. L'objectif de ce mémoire de maîtrise a été de développer une stratégie pour améliorer la désinfection secondaire de l'eau par chloration au Nunavik, en utilisant comme étude de cas le village de Kangiqsualujjuaq. Pour ce faire, un portrait de la qualité de l'eau entre la source et les robinets a été dressé, avec une emphase sur le chlore résiduel et les sous-produits de désinfection. Avec ce portrait, une démarche a été mise au point pour identifier les quantités adéquates de chlore permettant d'obtenir des concentrations de désinfectant résiduel répondant aux standards internationaux, tout en limitant la génération de sous-produits de désinfection. Ces doses adéquates ont été obtenues à l'aide simulations de chloration en laboratoire réalisées avec des eaux de la communauté collectées en 2020 et en 2021. Avec les informations obtenues sur le terrain et dans les expériences de laboratoire, une base de données d'aide à la décision a été développée pour permettre aux responsables de la communauté de faire des choix éclairés quant à l'application du chlore pour la désinfection secondaire de l'eau.
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 | 0.004 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".