La pandémie de COVID-19 et ses effets sur les finances publiques du gouvernement du Québec 2020-2035
Bibliographic record
Abstract
Dans ce rapport, nous évaluons plusieurs scénarios concernant la pandémie de COVID-19 et leurs effets sur les finances publiques du gouvernement du Québec, à l’aide des outils SimFin et SimGen développés par la Chaire de recherche sur les enjeux économiques intergénérationnels (CREEi). Le Québec était déjà aux prises avec un problème de soutenabilité budgétaire à moyen et long termes, principalement causé par le vieillissement de sa population; la pandémie vient devancer l’échéancier pour faire des choix difficiles. La bonne tenue financière du Québec dans les dernières années a permis de dégager une marge de manœuvre au sens de la Loi sur l’équilibre budgétaire, mais celle-ci risque de ne pas être suffisante pour traverser la prochaine décennie. Une réflexion importante devra avoir lieu sur les moyens à prendre afin de revenir sur un sentier de soutenabilité budgétaire, tant au niveau de la structure des revenus autonomes, des transferts fédéraux que des dépenses de missions du gouvernement du Québec. Nous montrons qu’une stratégie reposant entièrement sur l’endettement, visant à profiter des taux d’intérêt faibles, n’est pas soutenable à long terme.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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".