MétaCan
Menu
Retour à la cohorte
Enregistrement W7064226762

Analyse de l'efficacité des mesures écofiscales qui ont comme objectif la réduction des matières résiduelles au Québec

2023· other· fr· W7064226762 sur OpenAlexaboutno aff

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2023
Typeother
Languefr
DomainePhysics and Astronomy
ThématiqueRadiation Detection and Scintillator Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Work (physics)Term (time)Limiting
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Les mesures écofiscales apparaissent comme une solution intéressante aux enjeux environnementaux, sociaux et économiques qui menacent les sociétés actuelles. Elles regroupent un ensemble d’instruments financiers dont la mission est de décourager les activités dommageables à l’environnement. Pourtant, malgré leur implantation par le gouvernement du Québec et la place prépondérante qu’elles occupent depuis les années 2000, la quantité de matières résiduelles envoyées à l’élimination continue d’augmenter sur l’ensemble du territoire québécois. En outre, le Québec serait une des provinces canadiennes produisant la plus grande quantité de matières résiduelles solides au pays. Cela entraine des conséquences environnementales, comme la pollution des eaux, l’augmentation des émissions de gaz à effet de serre et l’érosion des sols, mais aussi des conséquences sur la santé humaine. Une gestion adéquate des matières résiduelles permettrait de réduire ces impacts. D’ailleurs, d’autres pays et provinces canadiennes ayant de forts taux de détournement des matières résiduelles peuvent servir de modèles au Québec à ce niveau. L’objectif de cet essai est d’analyser l’efficacité des mesures écofiscales qui ont comme visée particulière la réduction des matières résiduelles au Québec. Les mesures écofiscales traitant de la gestion des matières résiduelles au Québec sont le droit spécifique sur les pneus neufs, la consigne sur les contenants à remplissage unique, les redevances pour l’élimination, le Règlement sur la récupération et la valorisation de produits par les entreprises et la tarification incitative. L’analyse des mesures écofiscales démontre que la redevance pour l’élimination des matières résiduelles est identifiée comme étant la moins performante parmi les cinq étudiées. Néanmoins, la recherche a également permis d’observer que les mesures qui couvrent des produits spécifiques, comme celle de la responsabilité élargie des producteurs, permettent de réduire la quantité de matières enfouies pour leurs produits respectifs. De plus, avec une organisation en amont, la tarification incitative semble être la mesure permettant de réduire considérablement la quantité de matières résiduelles générées dans la municipalité où elle est implantée. Les conclusions de l’analyse démontrent que le gouvernement du Québec possède la plus grande part de responsabilité pour améliorer l’efficacité de ces mesures, mais que cette problématique nécessite tout de même la participation de toutes les parties prenantes. Parmi les principales recommandations présentées, la valeur de la redevance à l’élimination devrait être augmentée de manière significative afin de décourager l’enfouissement des matières. Une autre solution serait d’élargir les produits couverts par le Règlement sur la récupération et la valorisation de produits par les entreprises, comme cette mesure encourage une production circulaire par la réintroduction des matières en fin de vie dans le processus de fabrication.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,593
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,004
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,232
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Même sujetRadiation Detection and Scintillator TechnologiesTravaux en français237 207