Mapping Production Activity in Yukon: Experimental Estimates of Grid Square-Based Gross Domestic Product
Notice bibliographique
Résumé
In recognition that more geographically granular economic data improves our ability to understand the nature of production, support regional economies, and address emerging socio-economic and environmental problems, statistical agencies are increasingly asked to produce gross domestic product (GDP) estimates at finer levels of geography. This demand is being met in different ways around the world, with, for instance, the European Union producing GDP estimates at the Nomenclature of Territorial Units for Statistics level and the United States producing GDP estimates at the county level. While Canada produces GDP estimates for census metropolitan areas, it does not currently produce the same level of coverage for smaller geographies as does the European Union or the United States. This paper addresses this gap by developing subprovincial and subterritorial grid square-based GDP using the Yukon as a test case. The Yukon was chosen because its small resource- and government-based economy provides a challenging but comprehendible test of these fine-grained measures. This choice will also support ongoing work measuring the economies of circumpolar regions. With this in mind, the paper has three objectives. First, it introduces and discusses the benefits a fixed grid for measurement. Second, it identifies the types of data necessary to estimate GDP across a 1 km2 grid. Lastly, it produces a set of grid-based GDP estimates that serve to describe the geography of economic output in Yukon.
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 | 0,000 | 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) | 0,000 | 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 ».