Développement d'un processus de transfert des connaissances sur les eaux souterraines vers les intervenants en aménagement du territoire de Chaudière-Appalaches
Bibliographic record
Abstract
En 2008, un programme d’acquisition des connaissances sur les eaux souterraines a été mis en œuvre dans la Province de Québec, au Canada. Ce programme, mis sur pied par le Ministère du Développement durable, de l’Environnement et de la Lutte contre les changements climatiques (MDDELCC), avait pour but d’acquérir les connaissances et les données nécessaires à la protection et à la gestion de la ressource en eau souterraine. Cependant, les acteurs régionaux de l’eau souterraine doivent être en mesure de comprendre et d’utiliser ces connaissances. L’étude a été menée sur le territoire de la région administrative de Chaudière-Appalaches (14 600 km²) afin de sonder les acteurs régionaux sur leurs capacités de gestion de la ressource en eau souterraine. Cette région avait auparavant bénéficié du programme d’acquisition des connaissances sur les eaux souterraines (PACES). Vingt-huit (28) répondants des municipalités régionales de comté, des organismes de bassins versants et des municipalités ont pris part à des entretiens semi-dirigés afin de discuter de leurs perceptions à propos de l’eau souterraine ainsi que leurs capacités de la gérer. Les résultats des entretiens démontrent que le niveau de connaissance sur les eaux souterraines a évolué depuis les dernières années. Cependant, les répondants ont clairement exprimé un besoin d’obtenir une activité de transfert des connaissances via un atlas simplifié des eaux souterraines, ainsi qu’un atelier collaboratif. De plus, les répondants ont également besoin d’une clarification sur les rôles de chacun dans la gestion et la protection de l’eau souterraine. L’atelier ACCES-CA a donc été présenté dans trois sous-régions pour démystifier les perceptions, les concepts et le vocabulaire, l’état de la ressource, les priorités régionales et la gouvernance. Les résultats de l’atelier démontrent que les différents exercices ont été utiles à la compréhension. Cependant, le thème de la gouvernance demeure un élément plus difficile à intégrer.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.047 | 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 teacher head, 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".