La pollution sonore des océans et la règlementation du bruit sous-marin : un enjeu international qui prend tout son ampleur dans l’Arctique canadien
Bibliographic record
Abstract
Les océans sont remplis de sons naturels et sont aujourd’hui de plus en plus envahis par des bruits d'origine humaine (bruits anthropiques). Ce mémoire étaye l’état actuel des connaissances sur les différentes sources de bruits sous-marins et leurs effets négatifs pour les espèces marines, les écosytèmes et les populations côtieres. Bien que le bruit soit un facteur de stress environnemental similaire à d'autres formes de pollution, la gestion du bruit anthropique a été négligée par les États et par le droit international. Cette étude met en lumière les difficultés pour le droit international et les États d’adopter des instruments spécialisés pour contrer le bruit anthropique alors que planent plusieurs incertitudes scientifiques. Le mémoire identifie et analyse les instruments contraignants et de soft law actuellement en vigueur, à l’international et au Canada, pour découvrir s’ils peuvent être mobilisés dans la lutte contre la pollution sonore dans les eaux arctiques canadiennes. L’adoption d’instruments juridiques ciblant spécifiquement les bruits anthropiques sous-marins est prônée mais avec la mise en garde que ce processus nécessitera une coopération inter et intra sectorielle concertée aux niveaux national, régional et international entre les milieux législatifs, scientifiques et décisionnels.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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 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".