Évaluation de la ségrégation dans deux parcs à résidus inactifs situés en Abitibi
Bibliographic record
Abstract
Tout d'abord, je remercie les partenaires du projet de recherche pour leur financement à travers la subvention RDC de mes directeurs: CRSNG (conseil de recherches en sciences naturelles et en génie), mine Westwood (Corporation IAMGOLD), Mine Canadian Malartic, Mines Agnico Eagle Ltée.Ces partenaires miniers ont aussi donné l'accès aux sites d'étude.J'adresse ma gratitude envers mon directeur de recherche, le professeur Mamert Mbonimpa.Sa disponibilité, son expertise et sa patience ont enrichi mes travaux de recherche et mon séjour au sein de l'UQAT.Je remercie aussi mes co-directeurs Isabelle Demers et Abdelkabir Maqsoud pour la supervision du projet.Je remercie aussi les membres du jury pour la lecture et les remarques portées sur ce mémoire.Ensuite, je remercie l'équipe pédagogique de l'UQAT pour leur amabilité, leur disponibilité et la fourniture des ateliers et outils accompagnant la recherche.Je remercie particulièrement les professeurs pour la clarté dans la dispensation des enseignements donnés lors des sessions d'hiver et automne 2019.Puis, je suis reconnaissante à l'ensemble de l'équipe URSTM, spécialement Sylvette Akué Awoh, Yvan Poirier, Patrick Bernèche, Pierre-Alain Jacques, Joël Beauregard pour leur investissement physique, logistique et technique durant les phases de terrain et de laboratoire.Par la suite, je remercie l'étudiant en doctorat, Faneva Rarison, de m'avoir aidé à analyser statistiquement plusieurs de mes résultats.Enfin, je remercie les étudiants Zahra Driouky, Jules Darankoum, Achraf Janah pour leur aide incommensurable au laboratoire.v
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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".