Bibliographic record
Abstract
Dans la foulée d'un développement technologique réalisé dans le sud des États-Unis au cours de la dernière décennie 1 , une nouvelle industrie se manifeste au Québec depuis un peu plus de quatre ans 2 , soit l'extraction du gaz naturel à partir des schistes présents surtout dans le sous-sol de la vallée du Saint-Laurent.Quelle est la valeur de cette ressource dont le gouvernement québécois est propriétaire et quel sera l'impact économique de son exploitation?L'analyse de ces deux questions doit prendre en compte l'intégration du marché de gaz naturel entre le Canada et les États-Unis.Je présente les implications de cette intégration dans la section 1 et je traite du sujet de la valeur de cette ressource dans la section 2 et de celui de l'impact économique de l'exploitation, dans la section 3. Quelques commentaires sur les possibilités de développement de l'industrie au Québec apparaissent en conclusion. IntéGratIon du marché du Gaz natureL entre Le canada et Les états-unIsLes conditions de demande et d'offre déterminent la valeur d'une ressource.Depuis l'entente de libre-échange signée entre le Canada et les États-Unis en 1989, il existe un marché intégré du gaz naturel pour ces deux pays.Tous les utilisateurs ont accès à ce grand marché concurrentiel composé de plusieurs nœuds * Je remercie mes collègues G. Bélanger, P. González et M. Roland pour leurs discussions et commentaires; je demeure seul responsable des informations et opinions présentées dans ce texte.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 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 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".