MétaCan
Menu
Back to cohort
Record W7063974501

Analyse comparative du cadre de gestion des fonds verts du Canada et des États-Unis en vue d'améliorer le fonds vert du Québec

2016· other· fr· W7063974501 on OpenAlexaboutno aff

Bibliographic record

VenueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2016
Typeother
Languagefr
FieldPhysics and Astronomy
TopicRadiation Detection and Scintillator Technologies
Canadian institutionsnot available
Fundersnot available
KeywordsWestern europeClimate change adaptationIndus
DOInot available

Abstract

fetched live from OpenAlex

Créé en 2006, le Fonds vert du Québec a été établi dans le but de financer les mesures et les activités favorisant le développement durable. Au fil des années, ce fonds a permis d’amasser d’importantes sommes, notamment grâce aux redevances, à la tarification ou à la compensation. Les changements climatiques ont amené le Ministère du Développement durable, de l’Environnement et de la Lutte contre les changements climatiques à consacrer la majeure partie des revenus du Fonds vert pour cet enjeu. Avec un bilan positif dans les revenus, on peut penser que le Fonds vert a aidé à réaliser les objectifs du Québec en matière de changements climatiques. Or, dans les dernières années, plusieurs parties prenantes, dont le Commissaire au développement durable, ont relevé des problèmes importants dans la gestion du fonds. Ces problèmes se situent notamment dans la gestion stratégique, dans la gestion des programmes et des projets ainsi que dans la diffusion de l’information. La gouvernance actuelle du Fonds vert du Québec n’a donc pas apporté les résultats souhaités en matière d’adaptation aux changements climatiques et en réduction des émissions de gaz à effet de serre.
\n
\nL’objectif de l’essai est d’analyser le cadre de gestion des fonds verts existants du Canada et des États-Unis afin de relever des solutions qui permettraient d’améliorer le Fonds vert du Québec en matière de changements climatiques au Québec. Pour atteindre cet objectif, divers fonds verts existants partageant des traits similaires à celui du Québec ont été analysés. Le choix s’est arrêté au Fonds municipal vert, au Climate Change and Emissions Management Fund et au California Climate Investments. Ces derniers ont été analysés en fonction d’un tableau comparatif comprenant des critères comme l’établissement d’objectifs visant l’atteinte de résultats, l’élaboration d’un processus de sélection de projets, la mise en œuvre d’un mécanisme de surveillance ou de suivi et la diffusion des informations relatives aux programmes.
\n
\nL’analyse comparative a permis de constater quelques tendances dans la gestion des fonds verts. D’abord, les fonds verts ont adopté leur propre approche dans la formulation des objectifs du fonds. Le Fonds municipal vert se démarque en établissant des objectifs de nature budgétaire et stratégique. De plus, ces objectifs sont énoncés de façon spécifique, mesurable, appropriée, réaliste et délimitée dans le temps. Les fonds verts analysés présentent également un processus de sélection de projets plus élaborés que celui du Fonds vert du Québec, en ce qu’il prévoit des critères d’admissibilités bien définis, une multitude d’étapes de sélection et la participation de plusieurs acteurs, notamment des acteurs externes. Le Climate Change and Emissions Management Fund se distingue des autres fonds, en ce qu’il introduit un comité, le Fairness monitor, pour surveiller le processus de sélection. Pour tous les fonds verts de cette analyse, le mécanisme de surveillance ou de suivi se traduit par des livrables, comme des rapports annuels, exécutés par des auditeurs indépendants. Enfin, les fonds verts utilisent divers moyens de communication pour faciliter la compréhension du fonctionnement du fonds en question. Le Fonds municipal vert offre des activités, telles que du réseautage, du mentorat, des conférences afin d’encourager le partage des connaissances et l’apprentissage par les pairs. Le California Climate Investments a mis sur pied une plateforme sur Internet qui permet de voir en continu l’évolution et les résultats des projets financés. 
\n
\nAux termes de cette analyse, quatre recommandations ont été formulées en fonction des éléments de gestion qui sont le plus ressortis des trois fonds verts.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.517
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.000
Science and technology studies0.0010.002
Scholarly communication0.0000.000
Open science0.0010.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.011
GPT teacher head0.203
Teacher spread0.192 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2016
Admission routes1
Has abstractyes

Explore more

Same venueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Same topicRadiation Detection and Scintillator TechnologiesFrench-language works237,207