Analyse par indicateurs du développement durable des 171 plus grandes villes canadiennes
Bibliographic record
Abstract
Ce mémoire présente une analyse comparative de la performance environnementale et socioéconomique des 171 plus grandes villes canadiennes, principaux indicateurs de leur développement durable. Il s’inscrit dans deux contextes particuliers : 1) l'importance de dresser un bilan après deux décennies d'efforts des villes pour améliorer leurs performances et 2) la pertinence de ce bilan pour appuyer les initiatives gouvernementales dans l'atteinte des 17 Objectifs de Développement Durable (ODD) des Nations-Unies, conformément à la Stratégie fédérale de développement durable 2022-2026. L’analyse proposée consiste à évaluer et comparer le bilan en développement durable des villes canadiennes de plus de 25 000 habitants à l’aide d’une sélection de 19 indicateurs normalisés et agrégés en trois indices principaux : un indice environnemental (IE) synthétisant les indicateurs environnementaux, un indice socioéconomique (ISE) regroupant les indicateurs socioéconomiques et un indice global (IG) agrégeant l’ensemble des indicateurs. À l’aide d’analyses descriptives, quatre profils distincts de villes ont été développés, les regroupant selon leur taille de population, leur performance globale, leur positionnement géographique (centrales, péricentrales, et régionales), et leur appartenance provinciale, avec des analyses interprovinciales et intraprovinciales basées sur ces catégories. Trois principales observations en découlent. Premièrement, la taille de la population d'une ville ne détermine pas directement sa performance en développement durable. Les plus grandes d’entre elles excellent en mobilité et en éducation mais rencontrent des problèmes en qualité environnementale et coûts de logement, tandis que les petites villes excellent en gestion environnementale malgré leurs capacités limitées. Deuxièmement, notre analyse par quintiles révèle des disparités significatives au sein des groupes de performance en DD, remettant en question l'efficacité des classements globaux et soulignant la nécessité d'une approche plus nuancée en DD. Enfin, il est essentiel d'adopter des stratégies de DD adaptées aux caractéristiques uniques de chaque ville, en équilibrant les succès environnementaux et socioéconomiques, ce qui nécessite une compréhension approfondie des spécificités locales. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Développement durable, classement, indicateurs, Canada, municipalités, environnement, socioéconomique
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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 teacher head, 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".