Déterminer comment le Global Protocol for Community-Scale Greenhouse Gas Emission Inventories, orienté pour la réalisation d’inventaires d’émissions de gaz à effet de serre de grandes villes, peut être adapté et appliqué aux petites et moyennes municipalités québécoises
Bibliographic record
Abstract
L’objectif de cet essai est de déterminer comment le Global Protocol for Community-Scale Greenhouse Gas Emission Inventories, orienté pour la réalisation d’inventaires d’émissions de gaz à effet de serre des grandes villes, peut être adapté et appliqué aux petites et moyennes organisations municipales québécoises. À travers un portrait des inventaires d’émissions de gaz à effet de serre municipaux réalisés au Québec, des forces, des faiblesses, des opportunités et des menaces sont ciblées pour chacun des secteurs définis dans ce protocole. Les inventaires d’émissions de gaz à effet de serre sont des outils qui permettent aux municipalités de cibler les sources des émissions de gaz à effet de serre les plus importantes pour mettre en place des mesures de mitigation. De plus, les inventaires permettent de faire un suivi important pour définir si les objectifs de réduction de la municipalité ont été atteints. D’une part, l’utilisation de ce nouveau protocole doit permettre de capter les variations des émissions de gaz à effet de serre de la municipalité, de l’autre, il doit comptabiliser des émissions de gaz à effet de serre qui sont de compétence municipale. Dans le contexte québécois, des enjeux de gouvernance, d’accessibilité aux données locales et de gestion des émissions de gaz à effet de serre, reliées ou non aux compétences municipales, peuvent influencer les résultats de réduction des émissions. Ainsi, si les données utilisées pour comptabiliser les émissions de gaz à effet de serre ne proviennent pas, en totalité ou en partie, de sources locales, il est peu probable que les variations des émissions de gaz à effet de serre soient significatives dans l’inventaire et, par le fait même, qu’un suivi sur l’atteinte des objectifs soit réalisable. De plus, certains secteurs et sous-secteurs du Global Protocol for Community-Scale Greenhouse Gas Emission Inventories ne sont pas de compétences municipales, il est donc peu probable que des mesures de mitigation réalisables soient intégrées dans un plan d’action de réduction d’émissions de gaz à effet de serre. Les principales recommandations qui émergent de cet essai permettent donc de prioriser les secteurs et les sous-secteurs d’un inventaire d’émissions de gaz à effet de serre municipal pour améliorer la collecte de données locales dans le but de capter les variations des émissions à l’échelle de la municipalité. La priorité établie dans les recommandations est définie selon l’importance de la part en émissions de gaz à effet de serre du secteur ou du sous-secteur et selon sa pertinence dans un cadre municipal. De ce fait, les municipalités se doivent d’utiliser des méthodes proposées par le Global Protocol for Community-Scale Greenhouse Gas Emission Inventories pour améliorer leur collecte de données locales. Cette amélioration de la qualité de données permettra d’évaluer les mesures de mitigation à préconiser dans un futur plan d’action et de prendre des décisions à l’aide de mesures provenant de données locales.
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 | 0.059 | 0.075 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.004 | 0.004 |
| Research integrity | 0.005 | 0.005 |
| Insufficient payload (model declined to judge) | 0.021 | 0.015 |
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".