Analyse des politiques publiques environnementales québécoises et portrait des meilleures pratiques nudge internationales
Bibliographic record
Abstract
Les nudges, en tant qu’instrument de politiques publiques issus de l’économie comportementale, apparaissent comme un levier innovant dans l’action environnementale et climatique. Au Québec, la gouvernance liée aux changements climatiques a évolué dans ses objectifs et dans l’utilisation des instruments de politiques publiques. Cet essai se donne pour objectif de déterminer si les nudges sont présents au sein des politiques publiques environnementales québécoises et comment ces derniers peuvent être améliorés en les intégrant judicieusement. Afin d’atteindre cet objectif, l’essai va dans un premier temps s’attarder sur la genèse de cet instrument de politique publique et comprendre sa pertinence dans la lutte aux changements climatiques. Ensuite, la gouvernance environnementale québécoise et l’évolution de l’utilisation des instruments de politique publique vont être explorées. Puis une analyse comparative entre trois politiques publiques environnementales et trois programmes et initiatives européennes incorporant des nudges va être effectuée afin de faire ressortir les bonnes pratiques liées à cet instrument. Pour réaliser cette analyse, une revue de littérature scientifique et grise a été effectuée. À la suite de cette analyse, des recommandations d’amélioration des politiques publiques environnementales québécoises sont fournies. En effet, malgré le faible coût d’implantation des nudges, le Québec n’utilise pas assez cet instrument dans son action environnementale contrairement à certains pays européens comme l’Irlande ou le Royaume-Uni. Il existe toutefois des opportunités facilement exploitables pour le gouvernement du Québec comme la coopération entre les acteurs sectoriels, la création d’équipes spécialisées, la démocratisation de l’instrument ou bien la création d’un cadre de financement spécialisée.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.010 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 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".