MétaCan
Menu
Retour à la cohorte
Enregistrement W3125917380

Innovation et participation aux marches d'exportation chez les entreprises du secteur canadien de la fabrication

2016· article· fr· W3125917380 sur OpenAlexaboutno aff
Afshan Dar-Brodeur, John R. Baldwin, Beiling Yan

Notice bibliographique

RevueDirection des études analytiques : documents de recherche · 2016
Typearticle
Languefr
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesExportationMathematicsArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Le present document vise a determiner si la recherche et developpement (R-D) stimule chez les entreprises le niveau de competitivite necessaire a leur entree sur les marches d'exportation et si, a son tour, la participation aux marches d'exportation fait croitre les depenses en R-D des entreprises. Il a ete demontre que les entreprises canadiennes qui n?avaient pas effectue d'exportations auparavant et qui se sont lancees sur les marches d'exportation au cours de la premiere decennie des annees 2000 ont non seulement vu leur productivite et leur taille augmenter, selon les constatations publiees au cours des decennies precedentes, mais sont egalement plus susceptibles d'avoir investi dans des activites de R-D. Les depenses extra-muros en R-D (pour l'acquisition aupres de fournisseurs canadiens et etrangers) et les depenses intra-muros en R-D (pour les activites effectuees par l'entreprise elle-meme) augmentent la capacite des entreprises a percer les marches d'exportation. l'activite d'exportation a egalement une incidence importante sur les depenses en R-D subsequentes, les entreprises exportatrices etant plus susceptibles de commencer a investir dans des activites de R-D. Les entreprises qui ont commence a exporter leurs produits ou services ont accru leurs depenses extra-muros en R-D pendant l'annee ou les exportations ont eu lieu.

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 enseignants0,961
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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.

Tête enseignante Opus0,150
Tête enseignante GPT0,374
Écart entre enseignants0,223 · 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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDirection des études analytiques : documents de rechercheMême sujetFirm Innovation and GrowthTravaux en français237 207