La gestion et le partage des données des sentiers récréatifs canadiens : une nouvelle norme des données intégrées à un SIG Web
Bibliographic record
Abstract
Le Québec, comme l’ensemble du Canada, compte un vaste réseau de sentiers récréatifs. Les personnes qui désirent réaliser des activités sur ces sentiers ont souvent pour défi de trouver des sources d’information fiables pour leur besoin de planification. Selon le type d’activité, ou la région à visiter, les informations sont bien souvent incomplètes et dispersées à travers divers organismes. Dans cette optique, l’organisme Canada Hippique, à travers l’organisme québécois Cheval Québec, s’est intéressé au développement d’un système d’information géographique (SIG) unique permettant de rassembler les données des sentiers, de les rendre accessibles aux utilisateurs et de fournir des informations de rétroaction aux gestionnaires. Le présent travail repose sur le développement d’un nouveau schéma Geographic Markup Langage (GML), et d’un prototype de système d’Information géographique sur le Web (SIG Web) dédié à la gestion et à la diffusion des données géographiques relatives aux sentiers récréatifs canadiens. Cette recherche a comme mission de permettre la cartographie Web des données géospatiales des sentiers produits par les différents partenaires, mais aussi une meilleure interopérabilité des données et une plus grande pérennité du système créé. Le document présente comme résultat principal le nouveau schéma GML pour la gestion des données en lien avec les sentiers récréatifs, appelé Trail Geographic Markup Language(TrailGML), et la présentation d’un prototype de SIG Web pour la diffusion et l’affichage des données.
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 | 0.008 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.010 | 0.007 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
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".