L’analyse des configurations du comportement industriel comme technique de prévision
Notice bibliographique
Résumé
One important tool for forecasting in the field of applied economics has been largely overlooked—the identification and analysis of patterns of industrial behavior . The following paper shows how the method of detecting behavior patterns, and the factors which control them, can be utilized for analyzing the past economic performance of an industry and for predicting its likely performance in the future. This analysis has also revealed that when controlled by the same factors, different industries follow the same behavior pattern. This being so, it becomes possible to group industries together and reclassify them on the basis of their common major business characteristics. Of these, one of the most important is their mode of competition. This reclassification also enables us to know when we can transfer experience between industries (within the same group) and when we cannot do this (between industries in different groups). At the present time, significant changes are occurring in the economic, organizational and technical climates. New economic goals appear necessary for Canada and these are suggested. These changes are altering the importance of the factors controlling industrial behavior. The nature of these changes is considered and applied to the case of the chemical industry in the next decade. The analysis suggests what new factors will control this industry, and the direction and nature of the likely changes in it. Given this, an estimate of the economic changes can be made. Analysis of behavior patterns is, therefore, a powerful and essential tool for estimating the future behavior of industries, and of groups of industries, in the economy.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».