La modélisation conceptuelle des mécanismes de prises de décision sur les rénovations éconergétiques résidentielles
Bibliographic record
Abstract
L'objectif de ce mémoire est d'approfondir les connaissances sur les mécanismes de prises de décision en lien avec les rénovations éconergétiques résidentielles au Québec et d'en élaborer un modèle conceptuel à travers une démarche exploratoire. Les mécanismes décisionnels des différents acteurs, les mécanismes de fonctionnement des subventions et les mécanismes informationnels sont complexes et mettent en importance leurs mises en perspective dans le domaine des rénovations éconergétiques, notamment en ce qui a trait aux bâtiments résidentiels. Notre hypothèse de base fut d'abord que les subventions ne sont pas la solution la plus appropriée pour faire la promotion des rénovations éconergétiques résidentielles. Pour faire le tour de la question, nous avons entrepris une démarche de recherche afin de mieux comprendre les différents mécanismes qui orientent la prise de décision des propriétaires à faire des rénovations éconergétiques. Les principaux résultats de ce mémoire indiquent que les propriétaires plus « verts » ont plus de chance de procéder à des rénovations éconergétiques, alors que les propriétaires moins verts manifestaient peu d'intérêt sur ce type de rénovations. À travers l'intégration de divers acteurs en lien avec les rénovations éconergétiques, nous avons proposé un modèle conceptuel décrivant mieux la réalité actuelle de ce phénomène. Finalement, nous avons également pris la liberté de faire quelques recommandations, espérant qu'elles participeront à l'augmentation du nombre de rénovations éconergétiques résidentielles. \n______________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : rénovation résidentielle éconergétique, prise de décision, subvention, acteurs, mécanismes 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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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 teacher head, 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".