MétaCan
Menu
Retour à la cohorte
Enregistrement W3004022633

A Detailed Analysis of Newfoundland and Labrador's Productivity Performance, 1997-2018

2019· article· en· W3004022633 sur OpenAlexaboutno aff
Andrew Sharpe, John Tsang

Notice bibliographique

RevueCSLS Research Reports · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCanadian Policy and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProductivityBusiness sectorPetroleum industryBusinessAgricultural economicsEconomicsGeographyEconomyEngineeringEconomic growth
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The main goal of this report is to describe and explain the trends in productivity in Newfoundland and Labrador, as well as trends in the variables used in the calculation of productivity, including output, labour input, and capital input. The main take-away from the report is the importance of the oil and gas sector to the economy of Newfoundland and Labrador. That sector has been responsible for most of Newfoundland and Labrador's economic growth, and now accounts for the largest share of the province’s business sector value added among 2-digit NAICS subsectors, even though it employed only 3.8 per cent of the province’s business sector workers in 2018. Due to the size of the mining and oil and gas extraction sector, its productivity performance strongly affects the performance of the overall business sector, which continues to represent a major challenge for the province. However, looking at the business sector excluding mining and oil and gas, productivity growth does fare better. The data can be split in two periods. Driven by the mining and oil and gas extraction sector, Newfoundland and Labrador’s overall productivity experienced impressive growth from 1997 to 2007, with real business sector productivity advancing at a compound annual rate of 6.0 per cent. The situation changed dramatically after 2007 when oil and gas productivity plummeted. Real business sector productivity in the province declined during the 2007-2018 period at a rate of 1.2 per cent per year

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)0,002
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 enseignants0,983
Score d'incertitude au seuil0,149

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,009
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,045
Tête enseignante GPT0,361
Écart entre enseignants0,316 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCSLS Research ReportsMême sujetCanadian Policy and GovernanceTravaux en français237 207