Effet des politiques gouvernementales sur la consommation d'électricité du secteur forestier au Québec
Bibliographic record
Abstract
Ce mémoire explore le rôle potentiel du secteur forestier dans la lutte contre les changements climatiques, en mettant l’accent sur son aptitude à agir comme puits de carbone. Au Québec, cette problématique soulève une question cruciale : l’approvisionnement énergétique sera-t-il suffisant pour soutenir un secteur forestier perçu comme un levier stratégique dans la transition énergétique? Pour répondre à cette interrogation, cette étude analyse des données de consommation d’électricité en utilisant un modèle de vecteurs autorégressifs (VAR). Ce modèle examine les relations entre des variables économiques clés, telles que le volume de coupe, la valeur et le volume du bois exporté, la valeur ajoutée brute (VAB) des différents sous-secteurs de transformation, et l’électricité consommée par le secteur forestier. Les résultats montrent une absence de liens causaux significatifs entre ces variables, suggérant une résilience énergétique du secteur forestier et des mécanismes d’adaptation qui limitent les interactions directes entre les chocs économiques et la consommation énergétique. Bien que ces conclusions n’indiquent pas une augmentation prévisible de la demande énergétique, elles fournissent un cadre d’analyse utile pour comprendre les dynamiques sous-jacentes et guider les politiques forestières et énergétiques du Québec. En éclairant ces enjeux, ce mémoire contribue au débat sur la capacité du secteur forestier à optimiser sa consommation d’électricité tout en jouant un rôle clé dans la transition énergétique et climatique.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".