MétaCan
Menu
Retour à la cohorte
Enregistrement W1984836092 · doi:10.1080/02827580600917304

Malmquist productivity index of the manufacturing sector in Canada from 1994 to 2002, with a focus on the wood manufacturing sector

2006· article· en· W1984836092 sur OpenAlexaffabout
Taraneh Sowlati, Saba Vahid

Notice bibliographique

RevueScandinavian Journal of Forest Research · 2006
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEfficiency Analysis Using DEA
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésProductivityMalmquist indexTechnical changeIndex (typography)Data envelopment analysisFrontierManufacturing sectorTechnological changeProduction–possibility frontierEconomicsWorkforceMultifactor productivityManufacturingAgricultural economicsTotal factor productivityBusinessLabour economicsEconomic growthGeographyMathematicsStatisticsMacroeconomics

Résumé

récupéré en direct d'OpenAlex

In this study, the productivity changes of the manufacturing industries in Canada were evaluated using the Malmquist productivity index, then the productivity change was decomposed into the frontier shift (technical change) and efficiency change (catch-up effect). The frontier shift is the change in the best practice frontier over time, typically due to changes in technology, while the catch-up effect is the change over time in the efficiency of each unit individually. The results of the analysis showed that the productivity of the Canadian manufacturing sector (on average) improved in 2002 compared with that of 1994 and the main reason for this growth was the frontier shift. However, during the same period in Canada, a slight descent was observed in the productivity of the wood products manufacturing sector, mainly due to a decline in efficiency change. This decline could have been due to various factors such as the decline in capital expenditure and the low educational level of the workforce.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,298

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,006
Études des sciences et des technologies0,0010,000
Communication savante0,0020,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,060
Tête enseignante GPT0,325
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScandinavian Journal of Forest ResearchMême sujetEfficiency Analysis Using DEATravaux en français237 207