Le partage du financement des services de l’agglomération de Montréal en 2020: État des lieux, analyse et éléments de comparaison
Notice bibliographique
Résumé
Ce texte se divise en quatre parties. La première présente l’agglomération de Montréal, ses dépenses et ses mécanismes de financement. L’agglomération crée en 2006 couvre le territoire administratif de l’île de Montréal. Ce territoire englobe la Ville de Montréal (qui regroupe 88% de la population) et 15 municipalités de banlieue. En 2020, les principales dépenses de l’agglomération comprennent les services policiers (28%), le transport en commun (25%), le service d’incendie (16%) et le service d’eau (10%). Son financement se fait par quotes-parts. Ces dernières reflètent à plus de 90 % la répartition de la richesse foncière entre les municipalités membres. Les municipalités de banlieue s’exprimant par leur association jugent leur contribution au financement des dépenses d’agglomération trop élevée. La deuxième partie du rapport présente les grands principes pouvant être utilisés pour choisir le mode de financement des services publics. On y examine comment les services de l’agglomération génèrent plus ou moins d’externalités et correspondent plus ou moins à la notion de bien collectif. La troisième partie présente des exemples de formule de partage des coûts entre municipalités pour cinq services publics : police, incendie, transport en commun, matières résiduelles et eau. La dernière partie indique que l’insatisfaction des banlieues ne s’explique pas par une détérioration de leur situation à travers le temps. L’utilisation de la population dans le calcul des quotes-parts ne constitue pas une pratique plus équitable que les valeurs foncières, mais peut représenter un compromis advenant un nouveau partage de la charge fiscale entre les municipalités.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».