Performance industrielle et contribution des sous-traitants nationaux : analyse du secteur aérospatial canadien dans le contexte nord-américain
Notice bibliographique
Résumé
L’industrie aérospatiale présente des défis importants pour les PME impliquées à titre de sous-traitants. La prédominance des facteurs technologiques et de la concurrence internationale impose le développement d’une gamme élargie de compétences. Cet article présente les résultats d’une recherche empirique visant à identifier ces compétences. Les données sont tirées d’une enquête réalisée auprès de 273 petites et moyennes entreprises localisées sur le territoire nord-américain (Canada et États-Unis) et impliquées dans ce secteur. Les résultats montrent des écarts importants entre les firmes des deux pays, en particulier chez les firmes de taille moyenne. Les PME canadiennes s’écartent peu du profil de sous-traitant traditionnel alors que les firmes américaines affichent un comportement nettement plus proactif, autant sur le plan organisationnel que technologique. Étant donné le succès récent de plusieurs donneurs d’ordres canadiens sur les marchés étrangers, les résultats de cette étude soulèvent de nombreuses interrogations quant à la capacité des firmes sous-traitantes à contribuer à ce succès.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».