La bioénergie forestière pour lutter contre les changements climatiques : quelles implications dans la transition énergétique du Québec (Canada)?
Bibliographic record
Abstract
Afin d’atteindre les cibles climatiques, le gouvernement du Québec prévoit une augmentation de la production de bioénergie forestière pour favoriser la transition énergétique. Cependant, l’utilisation de la biomasse forestière à des fins énergétiques présente des défis sociaux, économiques et environnementaux particuliers. Au cours d’un atelier de travail collaboratif tenu à l’hiver 2022, des professionnels et parties prenantes se sont prononcés sur le développement durable de la bioénergie forestière au Québec. L’objectif de cet article est d’identifier les sources de biomasse, les façons de faire et les voies de conversions perçues comme étant propices au succès de cette filière émergente. Il ressort des discussions qu’il est difficile d’entrevoir un seul et unique modèle d’affaires pour le déploiement de projets de bioénergie forestière, ce dernier s’insérant dans les activités de différents secteurs. La disponibilité de la biomasse forestière, le coût d’approvisionnement et de production, la valeur et le cycle de vie des produits générés ainsi que le comportement des parties prenantes sont des éléments déterminants pour définir la nature et la portée de projets de bioénergie forestière. Le succès de tels projets nécessite une amélioration de la cohérence tout au long de la chaîne de valeur et leur acceptabilité auprès des communautés.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| 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".