Le sous-financement des universités québécoises et une proposition de réinvestissement
Bibliographic record
Abstract
Le sous-financement chronique de l'enseignement et de la recherche universitaires a des conséquences de plus en plus dramatiques sur la qualité des institutions universitaires québécoises et sur la compétitivité future de notre économie. Après avoir rappelé ce constat, Robert Lacroix et Michel Trahan examinent la situation financière du gouvernement du Québec pour évaluer la marge de manoeuvre possible dans les années à venir et la part de cette marge qui devrait aller à l'enseignement et à la recherche universitaires. Ils présentent, ensuite, un programme de réinvestissement sur trois ans qui remédierait au sous-financement actuel et permettrait aux universités de retrouver la position concurrentielle qu'elles avaient dans un passé pas si lointain.Les auteurs concluent comme suit : « Au moment même où le Québec devait maintenir ou même accroitre son leadership scientifique et technologique, le sous-financement des universités et de la recherche universitaire s'est installé depuis plus de dix ans et s'est considérablement accru au cours des dernières années. Le Québec doit se ressaisir, établir clairement ses priorités et investir massivement dans les universités, la recherche universitaire et la valorisation de la recherche. Tout est encore possible mais le temps presse plus que jamais. »
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".