Fiscalité, répartition de la richesse et inégalités interrégionales au Québec et au Canada Mémoire présenté à la Commission sur le déséquilibre fiscal
Bibliographic record
Abstract
Avec les membres de la Commission sur le déséquilibre fiscal, le Conseil central CSN du Saguenay-Lac-Saint-Jean veut partager ses constats et ses réflexions sur les impacts du maintien des inégalités dans la redistribution par l'État de la richesse entre les populations, que celles-ci soient locales, régionales, provinciales ou nationales et que cet État soit provincial ou fédéral. Après un rappel des fondements institutionnels qui encadrent au Canada la fiscalité et la « redistribution de la richesse entre les régions »1, notre mémoire établira, dans un second temps, les résultats des choix politiques des années 1970, à la lumière de l'évolution de la réalité démographique, économique et sociale du Québec considéré dans l'ensemble canadien. Ces constats interpellent tout autant l'activité redistributive de l'État québécois à l'égard des populations locales et régionales que celle-ci de l'État fédéral. Dans un troisième temps, il s'agira d'identifier la nature des conditions à établir et des critères à privilégier pour faire en sorte que l'usage du pouvoir fiscal canadien et québécois puisse corriger le tir et contribuer réellement à réduire les inégalités interrégionales qui minent actuellement le Québec. Telle est la première partie de notre mémoire. La seconde partie, intitulée « Ampleur et évolution des inégalités interrégionales au Québec : perspectives québécoise et canadienne » est extraite d'une analyse émanant de scientifiques et citoyens du Saguenay-Lac-Saint-Jean, analyse que le conseil central tient à porter à l'attention de la Commission parce qu'extrêmement pertinente aux résultats évolutifs des politiques
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 | 0.000 |
| Bibliometrics | 0.004 | 0.007 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.005 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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".