Capacités des mesures écofiscales à encourager la restauration des écosystèmes par le secteur immobilier en zone urbaine
Bibliographic record
Abstract
L’objectif de cette production de fin d’études est d’identifier les outils écofiscaux permettant de protéger et de restaurer les milieux naturels en contexte urbain, et de proposer une mesure écofiscale visant à encourager et à accélérer les initiatives de restauration par le secteur immobilier. Lors de la Conférence des parties pour la biodiversité tenue à Montréal le 17 décembre 2022, le besoin d’agir pour contrer le déclin de la biodiversité a incité les pays participants à revoir leurs objectifs de protection et de restauration afin de maintenir l’équilibre écologique. La crise climatique et les pertes de la biodiversité sont les résultats de multiples facteurs, dont l’urbanisation, la croissance démographique et les activités humaines. La pression qu’exerce le développement urbain sur les milieux naturels nécessite de revoir la façon de comment nous construisons les villes et de ramener la nature en zone urbaine. Parmi les leviers écofiscaux au Québec, il existe des leviers économiques encourageant la protection des milieux naturels, mais il n’y a actuellement aucune mesure écofiscale visant à encourager le secteur privé à participer activement à la restauration des écosystèmes. Or, il importe de restaurer 30 % des terres pour améliorer les fonctions et services écosystémiques, de revoir la planification spatiale et d’intégrer des aménagements ayant des retombées significatives sur la superficie d’espaces verts et bleus en ville et dans des secteurs densément peuplés. Le besoin de revoir la comptabilité nationale, les flux fiscaux et financiers permettant de soutenir les entreprises dans les démarches favorisant la biodiversité a également été soulevé dans le présent travail de recherche. La littérature indique que l’écofiscalité au Québec est encore sous-utilisée et que les activités publiques et privées devront également se concerter afin d’atteindre les objectifs environnementaux. En plus de poursuivre les efforts visant à diminuer le soutien financier aux activités nuisibles, il est essentiel d’augmenter les appuis financiers visant à encourager le secteur immobilier à poser des gestes favorables à la biodiversité. La présente étude a cherché à mettre en lumière les impacts des changements climatiques et de la perte de la biodiversité, à identifier les outils écofiscaux propices à la restauration afin d’élaborer une proposition écofiscale dans la perspective de répondre aux objectifs de préserver, freiner et renverser la perte de la biodiversité.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 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) | 0.012 | 0.002 |
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".