Electricity Subsidies in Low-Cost Jurisdictions: The Case of British Columbia
Bibliographic record
Abstract
Les subventions à la consommation d’énergie (par le biais de programmes de bas tarifs réglementés) incitent à consommer plus d’énergie et contribuent à la détérioration de l’environnement. De telles subventions, courantes dans les pays industrialisés – où la consommation d’énergie est déjà relativement élevée –, tendent aussi à favoriser les ménages à revenus élevés. Dans cet article, j’analyse le concept de subventions à la consommation d’énergie, et j’évalue l’importance de ces subventions accordées aux consommateurs résidentiels en Colombie-Britannique; j’évalue également la répartition des subventions selon les différentes catégories de revenus. Les résultats indiquent que les ménages à revenus élevés, qui consomment plus d’électricité que les ménages à faibles revenus, reçoivent plus de 500 $ par année en subventions; les ménages à faibles revenus reçoivent pour leur part environ 200 $. Au total, ces subventions équivalent à environ 489 millions de dollars par année en Colombie-Britannique. Si les tarifs résidentiels d’électricité s’établissaient aux alentours du prix d’exportation régional, cela générerait des revenus supplémentaires de 432 millions de dollars, même avec la mise sur pied d’un programme de transfert qui ciblerait les ménages à faibles revenus pour compenser la hausse des tarifs. De plus, la consommation d’électricité dans la province diminuerait alors de 25%.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".