La volonté à payer des Québécois pour les centres de justice de proximité représente-elle un comportement altruiste ?
Bibliographic record
Abstract
Dans ce travail, nous examinons la volonté à payer (VAP) de la population québécoise pour les centres de justice de proximité (CJP) afin de déterminer si cette VAP inclut de l’altruisme ou non ainsi que les déterminants de ce comportement. Comprendre les motivations altruistes et égoïstes dans les VAP pour les CJP est essentiel pour identifier les leviers sur lesquels l’on pourrait agir pour maintenir les services offerts par les CJP déjà existants dans certaines villes au Québec (Montréal, Rimouski et Québec) et l’installation de nouveaux CJP dans d’autres villes du Québec, s’il advenait une baisse ou une rupture dans le financement public des CJP. Nos données proviennent de l’enquête réalisée par une équipe de chercheurs de l’université de Sherbrooke sur l’évaluation du projet pilote des CJP. Nos résultats démontrent la présence, à la fois, d’altruisme et d’égoïsme dans les VAP déclarées par les Québécois. Cependant, le niveau d’altruisme moyen de la population québécoise est inférieur à celui de l’égoïsme moyen de cette population pour les CJP. L’estimation de différentes équations de VAP par la méthode des moindres carrés ordinaires et la méthode Tobit montrent que le lieu de résidence, l’âge et la connaissance du système judiciaire sont les principaux déterminants d’altruisme des Québécois envers les CJP.
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 | 0.005 |
| 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 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 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".