Développement d’un outil d’aide à la décision par analyse multicritère pour la durabilité des projets de chauffage à la biomasse forestière au Québec
Bibliographic record
Abstract
Le chauffage à la biomasse forestière résiduelle est une alternative aux combustibles fossiles qui s’inscrit dans les objectifs québécois et canadiens de réduction des gaz à effet de serre (GES). Si les opportunités et les bénéfices de tels projets peuvent être conséquents, il ne faut pas négliger les freins et impacts potentiels de ces projets sur l’environnement et la communauté en particulier. Cette étude vise le développement d’un outil d’aide à la décision permettant de guider et d’aider les décideurs publics à choisir le meilleur projet et à améliorer sa durabilité. Les indicateurs sont pondérés en fonction des orientations des différentes parties prenantes grâce à l'utilisation de la méthode d'analyse décisionnelle multicritères hiérarchique (Analytic Hierarchical Process, AHP). Cette méthode permet de différencier les pondérations et d’intégrer l’acceptabilité sociale au processus de décision. L’outil a été appliqué à deux scénarios fictifs pour montrer sa capacité à guider la prise de décision et mettre en avant la différentiation des pondérations et des scénarios permise par la méthode d’évaluation.
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 | 0.006 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".