Bibliographic record
Abstract
Le travail à l'eau est une discipline cynophile peu connue et peu étudiée, ce travail a été réalisé pour faire le point sur les structures existantes en travail à l'eau et pour synthétiser le maximum de données le concernant. Des questionnaires ont été envoyés aux clubs de travail à l'eau français, aux éleveurs de Terre-Neuve et Landseer (races majoritairement utilisées) et aux clubs de race du Terre-Neuve à l'étranger. En France, le travail à l'eau en loisir compte plusieurs centaines de pratiquants, qui sont regroupés sous l'égide de la Société Centrale Canine. Le travail à l'eau en sauvetage aquatique peine à prendre son essor, les brevets n'étant pas harmonisés et le chien de sauvetage aquatique non reconnu comme chien d'utilité publique. L'élevage du Terre-Neuve, plutôt de type familial, est intimement lié au travail à l'eau, puisque plus de la moitié des éleveurs pratiquent la discipline. Le travail à l'eau en loisir existe dans de nombreux pays étrangers, mais seuls l'Autriche et l'Italie ont confirmé l'existence d'équipes cynotechniques opérationnelles pour le sauvetage aquatique. Les données concernant l'entraînement physique, la nutrition, l'éducation et les affections du chien de travail à l'eau sont souvent extrapolées d'études faites sur d'autres chiens de sport ou de travail.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.173 | 0.044 |
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".