MétaCan
Menu
Back to cohort
Record W4386123606 · doi:10.54932/momv7435

Étude sur la mise en œuvre d’outils d’écofiscalité au service de la conservation et de l’adaptation aux changements climatiques dans les basses-terres du Saint-Laurent

2023· report· fr· W4386123606 on OpenAlexaffabout
Jean‐Philippe Meloche, Cédric Bourbonnais, Arnaud Dragicevic, Tejasvi Hora, Noémie Lacroix, Julie Lebert, Justin Leroux, Kyle T. Martins, Fanny Maure, Brigitte Milord, François Vaillancourt, Françoise Vanoverbeke, Sylvia Wood

Bibliographic record

Venuenot available
Typereport
Languagefr
FieldEnvironmental Science
TopicLand Use and Ecosystem Services
Canadian institutionsUniversité de MontréalUniversité du Québec en OutaouaisUniversité du Québec à MontréalHEC Montréal
Fundersnot available
KeywordsPolitical scienceForestryHumanitiesGeographyArt

Abstract

fetched live from OpenAlex

Ce rapport s’interroge sur la contribution des mesures d’écofiscalité à la protection des espaces naturels sur le territoire des basses-terres du Saint-Laurent dans le but d’améliorer la résilience aux changements climatiques et la préservation des habitats des espèces fauniques et floristiques à statut précaire. Deux mesures écofiscales novatrices basées sur l’empreinte écologique de l’usage du sol sont proposées : une mesure de taxation et une mesure de subvention. L’objectif de ce rapport est de valider la faisabilité de ces outils et d’en mesurer les effets à l’échelle du Québec. L’assiette fiscale des mesures d’écofiscalité suggérées repose sur les superficies des propriétés foncières pour différentes classes d’usage du sol. L’établissement des taux de taxation et de subventions repose sur une modélisation de la valeur des services écosystémiques, sur un choix de critères écologiques et sur une méthode de hiérarchisation des classes d’empreinte écologique. Pour évaluer les mesures, un échantillon de terrains du territoire de la Ville de Laval est analysé. Par extrapolation, les résultats sont ensuite généralisés à l’ensemble du Québec. La jonction entre les données sur les outils d’écofiscalité, les données du rôle d’évaluation foncière et les données de recensement permet d’estimer les impacts socioéconomiques de la mesure de taxation. Un sondage a également été mené auprès de la population québécoise pour évaluer l’acceptabilité sociale de l’outil. Nos résultats montrent la faisabilité technique de la taxe sur l’empreinte écologique de l’usage du sol. Les taux proposés sont le fruit d’une démarche rigoureuse fondée sur une estimation de la valeur des dommages à l’environnement. Pour le secteur résidentiel, les sommes d’impôt à payer sont raisonnables et relativement proportionnelles à la capacité de payer des ménages. L’impôt a également les effets recherchés, c’est-à-dire qu’il favorise la densité urbaine et l’ajout de végétation. En ce qui concerne les immeubles non -résidentiels, la charge fiscale est un peu plus lourde, mais offre un potentiel intéressant. Quant au secteur agricole, les taux de taxation génèrent des prélèvements très élevés qui risquent d’entraîner des distorsions négatives dans le marché de l’alimentation. Les données de sondage montrent que la majorité de la population s’oppose à l’implantation d’une nouvelle taxe sur l’empreinte écologique de l’usage du sol, mais que les moins de 35 ans soutiennent la mesure. Pour la mesure de subvention, un survol des programmes existants au Québec et ailleurs dans le monde permet de tirer des conclusions sur la performance et la pertinence d’un tel outil. Il montre que la relation entre superficie, valeur écologique et valeur marchande des terrains pose problème. La mesure de subvention est plus coûteuse et moins efficace que la mesure de taxation pour favoriser la préservation et la restauration des espaces naturels.

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 imitation

Not 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.

metaresearch head score (Codex)0.004
metaresearch head score (Gemma)0.004
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.294
Threshold uncertainty score0.591

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0040.004
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.001
Science and technology studies0.0020.001
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0040.000

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.

Opus teacher head0.080
GPT teacher head0.318
Teacher spread0.238 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations4
Published2023
Admission routes2
Has abstractyes

Explore more

Same topicLand Use and Ecosystem ServicesFrench-language works237,207