Du bien-fondé de la participation des citoyens aux marchés de permis d’émissions : efficacité économique et questionnements éthiques
Bibliographic record
Abstract
L’idée de réguler les pollutions au moyen de permis d’émissions échangeables sur un marché concurrentiel a été développée pour la première fois par Dales en 1968. Cependant, un aspect assez peu étudié du fonctionnement de ces marchés est que les citoyens sont autorisés à y intervenir pour acheter des permis d’émissions dans le but de les retirer et de réduire ainsi la pollution. Pourtant, il apparaît en pratique que les préférences des citoyens interviennent peu ou pas dans l’élaboration, puis dans le fonctionnement des marchés de permis d’émissions. Or, une telle situation contredit à la fois les valeurs démocratiques et les principes économiques dominants. Cet article entend poursuivre le débat sur le bien fondé, ou non, d’une participation des citoyens à un marché de permis d’émissions, en se plaçant à la fois sous l’angle de l’efficacité économique et sous l’angle de l’éthique. Considérant la possibilité pour les citoyens de se comporter en passager clandestin, nous montrons qu’il peut être socialement bénéfique de subventionner la demande des citoyens de façon à combattre ce comportement. A partir des apports de l’économie expérimentale appliquée au jeu du bien public, nous observons que l’économie théorique semble surestimer le problème de l’incitation à se comporter en passager clandestin. Enfin, les enjeux éthiques associés à l’ouverture des marchés de permis d’émissions aux citoyens sont analysés. Une éthique basée sur la liberté et la souveraineté des citoyens requiert d’autoriser la participation des citoyens aux marchés de permis d’émissions. Ce point est ensuite discuté au regard des pollutions cumulatives et au regard de la dimension intergénérationnelle de l’équité.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.016 | 0.001 |
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".