Villes et croissance : le cerveau gauche des villes nord-américaines : scientifiques et ingénieurs et croissance urbaine
Notice bibliographique
Résumé
Le présent document traite de la croissance du capital humain dans les villes canadiennes et américaines. À l'aide de données regroupées sur 242 centres urbains provenant de recensements de la population, nous évaluons le lien entre la croissance de long terme de l'emploi et l'offre de divers types de main d'oeuvre spécialisée. L'étude vise aussi à déterminer si les attraits urbains, tels que l'importance du secteur culturel local, exerce une influence sur les capacités scientifiques des villes. Dans la première partie de l'étude, nous étudions la contribution de catégories générales et spécialisées du capital humain à la croissance de long terme de l'emploi. Nous faisons la distinction entre l'ensemble des diplômés occupés (une mesure générale du capital humain) et les diplômés occupés dans les secteurs des sciences et de la culture (mesures spécifiques du capital humain). Nos modèles de croissance examinent les variations de long terme de l'emploi urbain de 1980 à 2000, et tiennent compte de l'effet d'autres facteurs dont l'influence sur la croissance des villes a été postulée. Ces facteurs incluent des estimations des attraits urbains qui servent de mesures indirectes des différences d'attraits entre les régions urbaines. Dans la deuxième partie de l'étude, nous nous concentrons sur un type particulier de capital humain, à savoir les diplômés occupés dans les professions en sciences et en génie. Nos modèles évaluent les facteurs associés à la croissance de moyen et de long terme de ces professions. Nous nous efforçons tout spécialement de débrouiller la relation entre la croissance de l'emploi en sciences
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».