Taxe sur l’empreinte écologique de l’occupation du sol : impacts sur les propriétés non résidentielles et analyse des impacts régionaux pour les propriétés résidentielles
Bibliographic record
Abstract
Dans un rapport CIRANO publié en octobre 2023, Jean-Philippe Meloche et coauteurs proposaient la mise en place d'une taxe sur l'empreinte écologique de l'occupation du sol. Dans cette nouvelle étude, Jean-Philippe Meloche et Brigitte Milord s'intéressent à l'impact que pourrait avoir une telle taxe sur les activités non résidentielles et sur les inégalités entre les ménages et sur les disparités régionales. Leurs résultats montrent que la taxe sur l'empreinte écologique de l'occupation du sol est pertinente pour les propriétés industrielles et commerciales. Malgré le haut niveau de minéralisation de ces propriétés, leur charge fiscale demeure modeste en proportion des activités économiques qui s'y déroulent. Quant aux activités institutionnelles, l'application de la mesure d'écofiscalité engendre des défis de gouvernance. Même s'il semble difficile de soumettre les propriétés gouvernementales à la mesure d'écofiscalité, le montant de la taxe devrait au moins leur être révélé de manière à favoriser une gestion plus écologique de ces propriétés. Dans le secteur résidentiel, la mesure d'écofiscalité fonctionne bien pour près de 99 % des propriétés à l'échelle du Québec. Enfin, la charge fiscale semble relativement neutre par rapport aux revenus des ménages et elle pénalise surtout les modes d'occupation qui sont les moins denses. L'application d'une grille de taux adaptée aux régions rurales paraît pertinente pour les propriétés résidentielles en raison des disparités dans la charge fiscale et de la valeur plus faible de l'écosystème de référence en milieu rural. Il serait cependant important d'avoir des zones tampons autour des milieux urbains avec des taux dégressifs afin d'éviter que l'écart entre les taux ruraux et urbains ne devienne un incitatif à l'étalement.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".