Qu’en est-il des externalités du capital des technologies de l’information?
Notice bibliographique
Résumé
Nous appliquons des techniques économétriques aux données par industrie des économies canadiennes et américaines pour examiner s’il existe des externalités associées à la composante technologies de l’information de l’intrant capital. Les résultats issus de la technique conventionnelle de données en panel sont comparés à ceux issus de la méthode d’estimation des données en panel hétérogènes et dynamiques. Comme pour les résultats de la littérature économique, nous trouvons que la méthode conventionnelle des données en panel ne permet pas de montrer un lien positif entre l’intrant capital des technologies de l’information et la production. Ceci traduit l’incapacité de cette technique à rendre compte, à la fois, du caractère hétérogène des données et de l’aspect dynamique du phénomène considéré ici. La méthode dynamique des données en panel permet, en revanche, de trouver un impact positif et significatif de long terme des intrants. Les résultats confirment la présence d’importantes externalités associées aux technologies de l’information pour les États-Unis, reflétant ainsi le rôle de chef de file de ce pays dans ce domaine. Au Canada, en revanche, l’élasticité associée au capital des technologies de l’information est proche de la pondération issue du cadre de la comptabilité de la croissance. De plus, les résultats paramétriques ne permettent pas, dans l’ensemble, de rejeter l’hypothèse de rendements constants au niveau agrégé pour le Canada, justifiant ainsi le bien-fondé du modèle de comptabilité de la croissance.
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 | 0,015 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,002 |
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 ».