The McKinsey Global Institute Productivity Studies: Lessons for Canada
Notice bibliographique
Résumé
The McKinsey Global Institute (MGI) is a think tank based in Washington, D.C. founded in 1990 with the objective of analyzing international productivity levels from both economic and management perspectives. MGI uses microeconomic analysis on a sector-by-sector level to study the effects that industry decisions ultimately have on national productivity. For the most part the productivity drivers identified by MGI can be grouped into three broad areas: competitive factors (concentration, trade protection, deregulation, minimum wages, work rules, and zoning laws); managerial factors (best practice, human capital, capital intensity, and information technology); and demand factors (average income, cyclical factors, and consumer preferences). This paper examines these factors in an attempt to shed light on the causes of Canada-U.S. productivity differences at the industry level. Competitive factors may explain the poor productivity performance of the Canadian financial and cultural service industries relative to their U.S. counterparts, and likewise may explain the high productivity levels of some natural resource industries in Canada relative to the United States. Managerial factors, especially the implementation of new technologies and related processes, may be important in explaining the poor productivity growth in Canada relative to the United States in service industries such as retail trade. Given the similarities between Canada and the United States, the findings of the MGI studies cannot be indiscriminately applied to Canada-U.S. productivity differences at the industry level. However, the MGI studies do put forward a number of useful working hypotheses for analyzing these differences.
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 | 0,010 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,011 | 0,032 |
| Études des sciences et des technologies | 0,011 | 0,009 |
| Communication savante | 0,013 | 0,008 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».