Évaluation des analyses de vulnérabilité
Bibliographic record
Abstract
Le Règlement sur le prélèvement des eaux et leur protection (Q-2, r. 35.2 RPEP ; entré en vigueur le 14 août 2014) exigea que toutes les municipalités québécoises qui alimentent en eau plus de 500 personnes devaient produire, pour le 1er avril 2021, un rapport d’analyse de vulnérabilité (RAV) de leur source d’eau potable. Les RAV visent principalement à délimiter les aires de protection des prélèvements d’eau potable ainsi qu’à répertorier et à caractériser les menaces potentielles à la qualité et à la quantité de l’eau prélevée. L’information contenue dans l’ensemble des RAV représente ainsi une « nouvelle » source de données sur l’eau potable au Québec. C’est dans ce contexte que le MELCCFP a octroyé le mandat à l’Université Laval et à l’INRS d’analyser le contenu des RAV pour en faire une synthèse. Le présent rapport documente cette synthèse dans le but d’améliorer les futures analyses lors de leur révision quinquennale et d’évaluer les besoins d’accompagnement des municipalités lors de l’élaboration des plans de protection des sources d’eau potable basés sur les RAV. La première partie de ce rapport présente le contexte et la portée du mandat, les objectifs, les limites dans les analyses et le contenu d’un RAV. La section 2 expose la synthèse du contenu des analyses de vulnérabilité, dont les principaux éléments ont été saisis et intégrés à une base de données. Cette synthèse brosse un portrait des sources municipales d’approvisionnement en eau potable en termes de nombres, de caractéristiques et de prélèvements. Une évaluation critique de l’analyse hydrogéologique des aires de protection des sites de prélèvement a permis d’apprécier la qualité de la documentation, les méthodes utilisées pour délimiter les aires de protection et la validité des aires délimitées. La section 3 présente une évaluation de la qualité des rapports sous la forme d’un tableau détaillé, accompagné d’exemples, proposant une structure et un contenu systématique pour les futurs RAV. Les sections 4, 5 et 6 présentent le retour d’expérience des acteurs clés, soit les municipalités, les firmes mandatées pour réaliser les analyses, les organismes de bassin versant et les groupes de recherche universitaire qui ont réalisé des analyses de vulnérabilité. La section 7 porte sur l’étude des perceptions du public par rapport aux analyses de vulnérabilité. Elle a été réalisée grâce à une revue de presse et à une recherche documentaire sur les I publications faites entre 2015 et 2022. Le but de la revue de presse était d’identifier les prises de position du public et les actions menées par les institutions à la suite de la réalisation des RAV. Enfin, dans la section 8, des constats et des recommandations sont émis afin d’améliorer la démarche de réalisation des analyses de vulnérabilité et de supporter l’élaboration des plans de protection des sources d’eau potable. Au total, 18 constats ont été établis par les intervenants du milieu (réalisateurs d’analyse de vulnérabilité) et par l’équipe de recherche. Ces constats ont guidé la formulation de 19 recommandations. Les constats et les recommandations touchent les quatre axes du mandat, soit la synthèse du contenu des rapports d’analyse de vulnérabilité, l’étude de la qualité des rapports pour la production des plans de protection, le retour d’expérience des acteurs et la perception du public.
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 | 0.026 | 0.065 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.009 | 0.009 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
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".