Notice bibliographique
Résumé
Cette thèse s'articule autour de trois chapitres en économie de l'innovation et de la science. Pour ce faire, elle développe des modèles empiriques et théoriques pour analyser l'innovation technologique et scientifique et produire des recommandations politiques. Le premier chapitre utilise l'apprentissage automatique et les sciences de données pour construire un indicateur de l'innovation technologique. À l'aide d'une base de données unique sur les brevets au Canada, nous construisons un indice de qualité des brevets pour répondre à deux questions principales : l'absence d'une base de données systématique sur les brevets et leur valeur au Canada ainsi que l'évaluation du secteur pharmaceutique, l'un des principaux secteurs leaders de l'innovation au Canada . Les résultats révèlent que notre indice de qualité est lié à la performance économique des entreprises, à leur productivité et à la productivité agrégée. Le deuxième chapitre examine les innovations dans la recherche universitaire. Plus précisément, se focalisant sur les sciences économiques, ce chapitre vise à relier l'innovation et les inégalités en analysant la reconnaissance des idées des femmes. Des données bibliométriques issues de la recherche en économie sont utilisées pour étudier les biais de genre dans les citations. Sur la base des techniques d'apprentissage profond, on peut (1) établir les similitudes entre les articles (2) établir un lien entre les articles en identifiant les articles qui citent, les articles cités et les articles qui devraient être cités. Cette étude révèle qu'en moyenne, les articles qui ne sont pas cités sont 20% plus susceptibles d'être écrits par des femmes que par des hommes. Ce biais d'omission est plus répandu lorsqu'il n'y a que des hommes dans l'article citant. Dans l'ensemble, pour avoir le même niveau de citation que les articles rédigés par des hommes, les articles rédigés par des femmes doivent être supérieurs de 20 centiles dans la distribution du degré d'innovation de l'article. Enfin, le dernier chapitre analyse l'innovation dans une perspective plus macroéconomique, en se concentrant sur les entrepreneurs. En effet, les entrepreneurs sont au cœur du développement économique et de l'innovation. Cependant, l'activité entrepreneurial reste très risquée. Quelles sont donc les opportunités de diversification des risques d'investissement pour les entrepreneurs ? Pour répondre à cette question, nous étudions le rôle de l'intégration financière. Avec un modèle théorique en temps continu et avec des agents hétérogènes, nous montrons que l'ouverture financière produit des gains de bien-être substantiels pour les entrepreneurs et peut donc les aider à diversifier le risque d'investissement. Nos résultats sont également étayés par une analyse empirique.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».