MétaCan
Menu
Retour à la cohorte
Enregistrement W3123625863

The Importance of Entry to Canadian Manufacturing with an Appendix on Measurement Issues

2002· article· en· W3123625863 sur OpenAlexaboutno aff
Desmond Beckstead, John R. Baldwin, Andrée Girard

Notice bibliographique

RevueAnalytical Studies Branch Research Paper Series · 2002
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComparabilityInternational comparisonsEntry LevelData entryDatabaseComputer scienceEconomicsSociologyEconomic growthMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Understanding the importance of the dynamic entry process in the Canadian economy involves measuring size of entry. The main purpose of this paper is to summarize the information we have on the amount of entry in Canada. The paper also fulfils another purpose. Some studies have focused on cross-country comparisons (Geroski and Schwalbach 1991; OECD 2001). Interpretation of the results of these studies is difficult unless methodological issues regarding how entry is measured are addressed. Without an understanding of the extent to which different databases produce different results, international comparisons are difficult to evaluate. Cross-country comparisons that are derived from extremely different data sources may be misleading because of the lack of comparability. Since there is more than one reliable database that can be used to estimate entry in Canada, this paper asks how measured entry rates vary across different Canadian databases. By examining the difference in entry rates produced by these databases, we provide an estimate of the range or confidence interval that should be used in evaluating whether there are real differences in measured entry rates across countries. We also offer guidance as to the questions that should be asked about the databases used by researchers who conduct international studies. Finally, we make suggestions as to areas of comparison on which international studies should focus.

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)0,002
score de la tête « metaresearch » (Gemma)0,021
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,976
Score d'incertitude au seuil0,210

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,022
Études des sciences et des technologies0,0040,001
Communication savante0,0040,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0360,003

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 Opus0,195
Tête enseignante GPT0,336
Écart entre enseignants0,141 · 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

Citations16
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnalytical Studies Branch Research Paper SeriesMême sujetFirm Innovation and GrowthTravaux en français237 207