Guide de l'utilisateur pour le Programme annuel de la productivite multifactorielle de Statistique Canada
Notice bibliographique
Résumé
Le secteur des Comptes canadiens de productivité (CCP) de Statistique Canada consacre deux programmes à la productivité multifactorielle (PMF). Le Programme de la productivité multifactorielle par principal secteur établit des indices pour l'ensemble du secteur des entreprises et les groupes d'industrie qui le composent. Le Programme de la productivité multifactorielle par industrie ou Programme KLEMS de productivité par industrie tient une base de données comprenant des indices de productivité multifactorielle sur la production et les facteurs englobant le capital (K), le travail (L), l'énergie (E), les matières (M) et les services (S) comme inrants dans les diverses industries du secteur des entreprises, et ce, à divers niveaux d'agrégation industrielle. Nous décrirons le cadre méthodologique et les sources d'information qui servent à élaborer ces indices par principal secteur et la base de données sur la productivité par industrie (KLEMS). Plus précisément, notre but sera : de décrire le contexte des programmes de la productivité multifactorielle par principal secteur et par industrie; d'exposer le cadre méthodologique de mesure de la PMF; de décrire les sources d'information et les données de ces programmes; de dresser un ordre de qualité pour les données KLEMS par industrie; de décrire un plan de recherche pour ce même programme.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,092 | 0,046 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».