MétaCan
Menu
Retour à la cohorte
Enregistrement W3156580314 · doi:10.34989/sdp-2021-7

Adoption of Digital Technologies: Insights from a Global Survey Initiative

2021· preprint· en· W3156580314 sur OpenAlexaffabout
James Fudurich, Lena Suchanek, Lise Pichette

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2021
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueTaxation and Compliance Studies
Établissements canadiensBank of Canada
Organismes subventionnairesnon disponible
Mots-clésBusinessIndustrial organizationEmerging technologiesProductivityCloud computingThe InternetSurvey data collectionMarketingEconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

The Bank of Canada, together with a global network of central banks, recently surveyed more than 6,000 firms from around the world. Using the survey data, this paper assesses the effects of digitalization on firms’ pricing and employment decisions. Specifically, we examine firms’ expectations about how their adoption of digital technologies—such as e-commerce, cloud computing, big data, 3-D printing, the Internet of Things, robotics and artificial intelligence—will affect their prices and hiring plans. Digital technologies influence firms’ operations in several ways that can often offset each other. This makes it difficult to pin down the overall impact on prices. Survey results for Canada suggest that some firms expect some downward pressure on prices from (1) efficiency gains, for example from automation, made possible by digital technology and (2) increased online competition and cost compression in the supply chain. Other firms expect that the value added to their products from adopting digital technologies will allow them to charge higher prices. In addition, some firms anticipate that they will have to pass on the costs of adoption to customers. Firms also expect a marginal negative effect on their employment over the next three years as a result of technology-induced automation or productivity gains. This negative effect will largely be offset by more hiring of digital talent or to accommodate stronger sales. Using matching techniques to control for differences in sample size and composition as well as survey frames, we find that, compared with small and medium-sized firms, large firms are more likely to adopt digital technologies and more likely to expect negative effects on both employment and prices.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,875
Score d'incertitude au seuil0,251

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,016
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,104
Tête enseignante GPT0,310
Écart entre enseignants0,206 · 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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetTaxation and Compliance StudiesTravaux en français237 207