L'hétérogénéité spatiale de la topographie et son influence sur le bilan de masse appliqué sur le glacier Saskatchewan
Bibliographic record
Abstract
AvertissementL'auteur de ce mémoire ou de cette thèse a autorisé l'Université du Québec à Trois-Rivières à diffuser, à des fins non lucratives, une copie de son mémoire ou de sa thèse.Cette diffusion n'entraîne pas une renonciation de la part de l'auteur à ses droits de propriété intellectuelle, incluant le droit d'auteur, sur ce mémoire ou cette thèse.Notamment, la reproduction ou la publication de la totalité ou d'une partie importante de ce mémoire ou de cette thèse requiert son autorisation. REMERCIEMENTSJe tiens à remerCIer M. Christophe Kinnard, professeur au Département des sciences de l'environnement, de m'avoir pris sous son aile pour ce projet.Je tiens aussi à remercier les membres du comité d'orientation de mon projet, soit MM.Denis Gratton et Denis Leroux, professeurs au Département des sciences de l'environnement de l'UQTR.J'aimerais aussi remercier les membres du Glaciolab, pour leur support et leur aide durant le projet.Un merci spécial à Olivier Larouche.Pour terminer, merci à ma conjointe Julie et à mes deux enfants sans qui tout cela aurait été impossible. AVANT-PROPOSCe mémoire a été réal isé dans le cadre du programme de maîtrise en sciences de l'environnement de l'Université du Québec à Trois-Rivières, sous la supervision du professeur Christophe Kinnard.Le principal objectif du présent projet de recherche, s'étant déroulé sur le glacier Saskatchewan en Alberta, était de mesurer le bilan de masse glaciaire et l' effet de la topographie sur les variations du bilan de masse glaciaire, via l'utilisation d'un drone.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".