Estimation de la valeur non marchande des services rendus par les écosystèmes du parc marin du Saguenay–Saint-Laurent
Bibliographic record
Abstract
Les espaces naturels ainsi que l’ensemble des usages qu’ils permettent représentent une valeur certaine pour les sociétés. Cette dernière peut être traduite par les retombées économiques de plusieurs activités comme le tourisme, par des valeurs implicites sur le marché immobilier, ou encore par le désir de protection environnementale. Or, les décisions des parties prenantes se fondent essentiellement sur la comparaison de ces valeurs avec des projets de développement économique. Ainsi, de nombreuses approches ont été testées afin d’attribuer une valeur monétaire à l’environnement. La méthode utilisée se fonde principalement sur le transfert de bénéfices appliqué par la présentation d’une méta-analyse. Au sein de ce transfert de bénéfices est inclus le transfert d’expertise réalisé par la méthode Delphi proposant la consultation d’experts. La première étape consiste à déterminer les services écosystémiques que procure l’environnement étudié; la seconde repose sur un système de pondération de ces services; et la troisième attribue une valeur en dollars/hectare/année à chaque service. Unique au Québec, possédant une riche biodiversité, le parc marin du Saguenay–Saint-Laurent (PMSSL) est le site d’application de la méthode. L’ étude estime la valeur non marchande du PMSSL dans un intervalle de 27,8 à 32,9 millions de dollars canadiens par an.
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 | 0.006 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.004 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".