Développement d’un outil d’évaluation de la performance municipale en gestion des matières résiduelles
Bibliographic record
Abstract
De nos jours, la gestion des matières résiduelles constitue une part significative des finances publiques municipales et les tentatives d’améliorations ou de comparaison sont peu nombreuses. Il faut comprendre que dans la majorité des cas, les opérations, notamment pour ce qui est de la collecte et dans une certaine mesure pour le traitement, sont confiées à partir d’appels d’offres. En absence de données quantitatives comparatives entre les municipalités ou entre des compétiteurs, la valeur qualitative des services offerts est difficile de déterminer. Malheureusement, cette situation s’applique à un grand nombre de municipalités du Québec. À l’heure actuelle, aucune méthodologie de calcul n’existe sur l’évaluation comparative des coûts de la gestion des matières résiduelles. Dans le but d’adresser cette problématique, cet essai de maîtrise analyse la gestion des matières résiduelles résidentielles du secteur municipal sous l’angle des coûts afin de développer un outil d’évaluation de la performance comparatif et créer une échelle de performance comparative des municipalités du Québec. L’outil d’évaluation intègre les influences des variables de la population, du poids, du coût annuel de la gestion des matières résiduelles, du kilométrage de rues de la municipalité, et de la densité sur la performance de la gestion des matières résiduelles municipale. Cruciale à l’évaluation de la performance, la variable du coût annuel est élaborée en grand détail afin d’adresser la majorité des paramètres pouvant impacter le coût de la gestion des matières résiduelles. L’application de l’outil développer sur quatre municipalités a permis d’évaluer leurs performances, cibler les améliorations nécessaires, et comparer leurs performances aux autres municipalités du Québec. Des améliorations peuvent être apportées à l’outil d’évaluation de performance développé, notamment par l’intégration de données quantitatives plus récentes et une élaboration plus approfondie des coûts technologiques, opérationnels, et administratifs des opérations de traitement de la matière. Entre temps, cet outil peut être utilisé pour évaluer la valeur qualitative des services de la GMR offerts par les entreprises et concentrer les efforts aux aspects municipaux nécessitant une amélioration.
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 | 0.025 | 0.027 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.007 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".