Système de tarification du carbone au Canada
Bibliographic record
Abstract
La hausse des émissions de gaz à effet de serre représente un des enjeux les plus importants du 21e siècle. Ce phénomène est le principal responsable du réchauffement du système climatique terrestre, qui provoque des perturbations climatiques d'une ampleur sans précédent. Au Canada, la température moyenne de la surface terrestre canadienne a augmenté progressivement 1,7[degrés]C durant les 60 dernières années, soit environ le double de la moyenne mondiale. Or, peu de mesures d'atténuation sont mises en place par le gouvernement fédéral canadien pour contrer ces changements climatiques. Face à ce défi mondial, le Protocole de Kyoto a été adopté en 1997, ce qui a contribué à l'émergence des systèmes de tarification du carbone dans le monde. Trois provinces canadiennes ont notamment mis en place de tels mécanismes au cours des dernières années. Toutefois, un programme à l'échelle nationale est nécessaire pour que le Canada contribue à l'effort international de lutte contre les changements climatiques. L'objectif général de cet essai consiste donc à définir le système de tarification du carbone le mieux adapté au Canada. Pour ce faire, une revue de littérature exhaustive des mécanismes existants dans le monde est effectuée. Puis, ces modèles permettent de définir cinq scénarios proposant différents mécanismes de monétisation du carbone pour le Canada. Une analyse multicritères de ces cinq scénarios permet d'identifier le meilleur modèle pour le Canada. Celui-ci est similaire au programme de certains pays européens. Il comprend l'implantation d'une taxe carbone et d'un marché du carbone, qui agissent en complémentarité pour réduire les émissions de gaz à effet de serre. Même s'il est relativement complexe à implanter, ce scénario permet de couvrir la plus grande quantité d'émissions de GES tout en offrant au gouvernement une flexibilité accrue. La mise en place de deux systèmes de tarification du carbone assure aussi une plus grande stabilité par rapport à l'adoption d'un seul mécanisme. En somme, ce scénario représente la meilleure option pour permettre au Canada de réduire ses émissions de GES à court et long terme. Pour conclure cet essai, une feuille de route pour la mise en place de ce scénario au Canada est proposée.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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.
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".