Bibliographic record
Abstract
Tout au long de l'histoire, une infrastructure efficace et bien entretenue a contribué à la compétitivité internationale du Canada ainsi qu'à l'élévation de son niveau de vie. Cependant, cette infrastructure s'est sensiblement détériorée et est devenue une menace pour la productivité du Canada, pour sa compétitivité internationale, son développement économique et la qualité de vie de tous les Canadiens. La négligence à ce sujet durant ces dernières décennies a provoqué une détérioration rapide et rendu de nombreuses structures obsolètes, dangereuses voir même inutilisables bien avant la fin supposée de leur durée de vie. Les récents sinistres et tragiques défaillances dénoncent ces années de négligence et révèlent un besoin urgent de remettre l'infrastructure canadienne à des niveaux de sécurité et de service acceptables. Cette thèse propose qu'une Politique Nationale d'Infrastructure soit mise en place comme première étape vers cette amélioration. Le besoin d'une telle politique est mis en évidence par certains des principaux résultats de l'Enquête FCM-McGill sur les Infrastructures Municipales - 2007 et par la tendance actuelle de gestion des infrastructures. Cette politique abordera les tendances et insuffisances actuelles et fournira des solutions durables afin de traiter la crise de l'infrastructure d'une manière standardisée à l'échelle nationale.
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 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.010 | 0.003 |
| Scholarly communication | 0.015 | 0.004 |
| Open science | 0.004 | 0.004 |
| Research integrity | 0.009 | 0.006 |
| Insufficient payload (model declined to judge) | 0.020 | 0.003 |
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".