MétaCan
Menu
Retour à la cohorte
Enregistrement W4403425282 · doi:10.54932/qurl7652

Évolution de la distribution de la productivité des entreprises québécoises entre 2005 et 2019

2024· report· fr· W4403425282 sur OpenAlexaboutno aff
Benoît Dostie, Geneviève Dufour

Notice bibliographique

Revuenon disponible
Typereport
Languefr
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeography

Résumé

récupéré en direct d'OpenAlex

Dans quelle mesure l’augmentation des inégalités dans la productivité des entreprises se reflète-t-elle dans les inégalités de salaires ? La réponse dépend essentiellement du degré de transmission des différentiels de productivité en différentiels salariaux. Dans cette étude, les auteurs examinent cette question à partir des données de la Base de données canadienne sur la dynamique employeurs-employés (BDCEE) pour la période 2001-2019 et dégagent un ensemble de faits stylisés. De 2001 à 2019, on observe une hausse sans équivoque des inégalités de productivité entre les entreprises au Québec, un résultat conforme à ce qu'on observe dans plusieurs autres pays. Cette tendance à la hausse est plus importante au Québec qu'en Ontario. Il est intéressant de contraster cette hausse des inégalités de productivité à la baisse des inégalités de revenus. Une explication possible est que la transmission des différences de productivité en différences de revenus ait aussi diminué au cours de la période. Plusieurs possibilités pourraient expliquer cette diminution et l’une d’elles serait une diminution de la mobilité de la main-d’œuvre. Les auteurs examinent cette question en effectuant des décompositions de la croissance de la productivité pour le cas particulier du secteur manufacturier. Ils montrent que la croissance de la productivité dans ce secteur provient très majoritairement de la croissance de la productivité à l’intérieur de l’entreprise. La réallocation de main-d’œuvre et l’effet net d’entrée contribuent assez peu à la croissance de la productivité.

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 enseignants0,035
Score d'incertitude au seuil0,080

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,023
Tête enseignante GPT0,259
Écart entre enseignants0,235 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFirm Innovation and GrowthTravaux en français237 207