Le financement des municipalités du Québec : comparaisons interjuridictions et éléments d’analyse
Bibliographic record
Abstract
Ce rapport de recherche dresse un portrait de la situation financière des municipalités québécoises pour en faire ressortir des pistes de réflexion sur un éventuel pacte fiscal renouvelé avec le gouvernement du Québec (Pacte 2019+). Il propose dans un premier temps une analyse comparative des finances des municipalités du Québec avec celles d’autres juridictions similaires au Canada (Ontario, Alberta et Colombie-Britannique) et aux États-Unis (New York, New Jersey, Pennsylvanie, Massachussetts, Floride et Californie). Il présente ensuite une analyse des relations financières entre les municipalités du Québec et les paliers de gouvernement supérieurs et leur évolution de 2010 à 2014. L’étude montre que les outils de financement dévolus aux municipalités sont adéquats par rapport à leurs responsabilités. Malgré l’importance de l’impôt foncier dans le financement des municipalités, les contribuables québécois ne paient pas plus d’impôt foncier que les citoyens de la plupart des autres territoires étudiés. En contrepartie, ils paient beaucoup moins de tarifs. Des avenues intéressantes pour diversifier les recettes des municipalités résident donc dans la tarification. Du côté des transferts, l’analyse montre un recours à une multitude de programmes relativement strictes qui génèrent une certaine rigidité dans le financement des municipalités. Des programmes de transferts simplifiés et « non conditionnels » pourraient mener à des dépenses municipales mieux ciblées. Enfin, l’étude ne trouve pas de lien entre la taille des villes en termes de population ou en termes de dépenses et le recours à certains outils de financement. Sur le plan fiscal, lorsque les grandes villes assument des fonctions similaires au plus petites, il apparaît normal qu’elles disposent des mêmes outils de financement.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.012 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| 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".