Essais sur les risques physiques du changement climatique pour l'économie et le système financier canadiens
Bibliographic record
Abstract
Cette thèse présente trois papiers de recherche qui visent à mettre en lumière la propagation des chocs des catastrophes naturelles à travers l'économie et le système financier. Étant donné que le changement climatique mondial augmente la fréquence et la gravité des catastrophes naturelles, il est essentiel de comprendre quels sont les agents économiques les plus exposés et comment ces risques sont transférés dans l'économie afin d'élaborer des politiques solides visant à atténuer les effets des catastrophes. Ainsi,le premier chapitre étudie l'effet des catastrophes naturelles sur les marchés du travail et constate un effet significatif sur la croissance des salaires. Le deuxième chapitre examine plus en détail les finances des ménages et révèle une augmentation significative des défauts de paiement des prêts hypothécaires à la suite de feux de forêt. Enfin, le dernier chapitre examine les risques encourus par les prêteurs hypothécaires. Il constate que les risques sont principalement supportés par les ménages, ce qui atténue l'impact sur les prêteurs hypothécaires résidentiels. Toutefois, certains prêteurs dont le portefeuille de prêts est plus concentré géographiquement sont confrontés à un risque accru de catastrophes naturelles.
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 | 0.004 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 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".