Notice bibliographique
Résumé
Résumé Cet article relate certains faits marquants de l’histoire récente de trois domaines d’application des mathématiques en gestion, soit la statistique, la recherche opérationnelle et l’ingénierie financière. Il décrit des perspectives de développements futurs dans chacun de ces domaines. La première partie se concentre sur le développement de méthodes statistiques essentielles au monde des affaires, à partir des travaux de Ronald A. Fisher en 1925. La deuxième partie retrace les applications de la recherche opérationnelle depuis son émergence durant la Deuxième Guerre mondiale : tout d’abord militaires, puis industrielles, et finalement pour la planification des transports. On y trouve également une chronologie de l’élaboration des diverses méthodes de la recherche opérationnelle. La troisième partie raconte l’évolution de la finance mathématique à partir des travaux de Louis Bachelier en 1900. On y décrit les techniques mathématiques utilisées dans le domaine de la finance au cours des dernières décennies et on explique comment l’utilisation croissante des méthodes quantitatives en finance a donné naissance à une nouvelle profession, l’ingénierie financière. Les défis rencontrés aujourd’hui dans ces disciplines sont liés à la taille et à la complexité grandissantes des problèmes et des structures de données, à l’intégration de l’information, à la prise en considération de l’incertitude et à la gestion intégrée du risque.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 | 0,001 |
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 ».