Combler l’écart de niveau de vie entre le Québec et ses principaux partenaires
Bibliographic record
Abstract
Au-delà des écarts avec les partenaires, la motivation première pour le Québec de faire mieux semble être de de financer la hausse des services publics dans les années à venir. Il demeure que la croissance du PIB per capita doit s’accélérer si on veut suivre les dépenses de plusieurs missions de l’état comme la santé et l’éducation, mais aussi le maintien des infrastructures existantes. Les deux premières recommandations portent sur le régime fiscal. Le Québec prélève beaucoup. Il a fait des choix qui l’amènent à avoir une fiscalité qui pèse lourd. L'auteur ne remets pas ce niveau en question. Mais étant donné ce choix, le Québec doit être encore plus vigilant que ses partenaires afin d’éviter les distorsions causées par des modes d’imposition qui freinent davantage la croissance économique. Les deux recommandations, un redosage vers les taxes à la consommation et un examen rigoureux des dépenses fiscales, sont en symbiose avec les recommandations que nous avions faite, dans le cadre de la commission d’examen de la fiscalité québécoise en 2015. La troisième recommandation est de ne pas succomber aux pressions des groupes d’intérêt voulant que le Québec émule le reste du Canada en termes d’immigration. Au-delà des enjeux linguistiques et culturels, que l'auteur considère importants, l’évidence démontre qu’il y a une déconnexion réelle entre immigration et niveau de vie. En fin de compte, l'auteur croit que le gouvernement doit, en priorité, ré-évaluer ce qu’il fait déjà avant de proposer de nouvelles mesures ou politiques économiques. Même si la tentation, au niveau politique du moins, est de montrer qu’on agit en mettant en place de nouvelles initiatives, les pistes de solutions énoncées dans ce mémoire consistent plutôt à faire mieux avec ce qu’on fait déjà.
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 | 0.005 |
| 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 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 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".