Stratégie de mise à niveau technologique des entreprises québécoises
Notice bibliographique
Résumé
Nous examinons les stratégies de mise à niveau technologiques des entreprises québécoises en comparant leur taux d’adoption des nouvelles technologies à celles des entreprises du reste du Canada à l’aide des données de l’Enquête sur l’innovation et les stratégies d’entreprise (EISE) de Statistique Canada pour les années 2009, 2012 et 2017. Pour 2017, nous constatons que le Québec se situe dans la moyenne canadienne en ce qui a trait à l’adoption des technologies de pointe, et même en avance pour ce qui est des technologies émergentes. Une analyse économétrique des déterminants de l’adoption de ces technologies permet ensuite d’identifier certains facteurs explicatifs des différences dans les taux d’adoption entre les entreprises. Nous constatons que les grandes entreprises, celles avec des activités d’exportation à l’extérieur du Canada, celles faisant face à un taux de compétition plus élevé et celles avec un plus fort pourcentage d’employés ayant un diplôme universitaire sont toutes plus enclines à adopter davantage les nouvelles technologies de pointe. Finalement, nous comparons d’autres stratégies de mise à niveau concernant l’adoption de pratiques de gestion de pointe et de stratégies d’innovation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».