Réduction des émissions de GES du transport routier des personnes dans les municipalités québécoises : comparaison de méthodologies de quantification pour assurer un suivi et rendre compte des efforts
Bibliographic record
Abstract
Au Québec, le programme Climat municipalités a pour objectif que la plupart des municipalités établissent un inventaire de gaz à effet de serre (GES) et un plan d’action de réduction. Ces inventaires désignent souvent le transport routier de la collectivité comme principal responsable des émissions de GES. Le problème qui se pose est de pouvoir rendre compte des efforts de réduction des municipalités vis-à-vis de ce secteur. Les objectifs de cet essai sont de répertorier les actions des municipalités, analyser les inventaires de GES municipaux et proposer une méthode d’évaluation des actions. Les actions municipales sont nombreuses et visent principalement le transfert modal de l’auto solo vers les transports en commun et actifs. Les actions se concrétisent par l’aménagement urbain, la sensibilisation, la règlementation et l’amélioration du transport collectif. Les inventaires de GES municipaux utilisent principalement trois méthodes d’estimation des émissions des transports mais pour différentes raisons, les résultats ne sont pas assez précis pour rendre compte de l’efficacité des actions ou ne serait-ce que pour percevoir une réduction globale attribuable à ces actions. Les résultats d’analyses des inventaires poussent à encourager une meilleure récolte des données pour améliorer la précision des résultats mais également de prévoir un moyen d’évaluation des actions de réduction en tant que tel. L’évaluation des actions devrait être prévue dès la mise en place de celles-ci à l’aide d’indicateurs. Pour faciliter la mise en place d’un tel plan de suivi, de nombreux indicateurs et la manière de les documenter sont proposés. Finalement, il est recommandé d’utiliser une méthodologie hybride d’évaluation des actions de réductions des émissions dues au transport c'est-à-dire des inventaires améliorés comportant plusieurs méthodes d’estimation basées sur des données plus précises et un suivi des actions grâce à des indicateurs de mise en place et de progression.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".