MétaCan
Menu
Back to cohort
Record W2346430235 · doi:10.7202/1034212ar

Protection privée de la biodiversité et fiscalisation du marché de la wilderness : une histoire de la conservation volontaire au Québec (1980-2014)

2015· article· fr· W2346430235 on OpenAlexaffvenueabout
Olivier Craig-Dupont, Gérald Domon

Bibliographic record

VenueRecherches sociographiques · 2015
Typearticle
Languagefr
FieldSocial Sciences
TopicFrench Urban and Social Studies
Canadian institutionsUniversité de Montréal
Fundersnot available
KeywordsHumanitiesPolitical sciencePhilosophy

Abstract

fetched live from OpenAlex

Depuis la fin des années 1980, la province de Québec est le théâtre d’une véritable prolifération de statuts de protection écologique sur terres privées. Réserves naturelles en milieu privé, dons écologiques, servitudes de conservation et « fiducies foncières » se multiplient maintenant dans certaines régions du Québec méridional. Vu la nature privée des transactions foncières qui composent ce mouvement, ce dernier demeure largement méconnu. Il a pourtant eu un impact substantiel sur le façonnement de certaines politiques contemporaines concernant la conservation du patrimoine naturel au Québec. À travers une recherche détaillée de fonds d’archives ministériels et une série d’entrevues avec des acteurs clefs, cet article retrace la genèse de ce mouvement de conservation volontaire au Québec. Il souligne comment les États canadien et québécois, de même que certaines corporations à but non lucratif, ont facilité la mise en place d’un réseau d’aires protégées privées largement financées par le trésor public, par l’entremise d’avantages fiscaux. La reconstruction de cette institutionnalisation de la conservation volontaire au Québec révèle comment l’État fut un agent actif dans la décentralisation, la privatisation et la fiscalisation progressive de la conservation du patrimoine écologique au Québec.

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 imitation

Not 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.

metaresearch head score (Codex)0.009
metaresearch head score (Gemma)0.002
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Research integrity
Consensus categoriesScience and technology studies
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.404
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0090.002
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0010.006
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.110
GPT teacher head0.321
Teacher spread0.211 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations5
Published2015
Admission routes3
Has abstractyes

Explore more

Same venueRecherches sociographiquesSame topicFrench Urban and Social StudiesFrench-language works237,207