MétaCan
Menu
Retour à la cohorte
Enregistrement W4413291840 · doi:10.3390/economies13080238

Economies of Scale and Scope for Canadian Universities

2025· article· en· W4413291840 sur OpenAlexafffundabout
Stephen T. Easton, Duane W. Rockerbie

Notice bibliographique

RevueEconomies · 2025
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEfficiency Analysis Using DEA
Établissements canadiensUniversity of LethbridgeSimon Fraser University
Organismes subventionnairesSimon Fraser University
Mots-clésScope (computer science)Scale (ratio)Economies of scaleRegional scienceBusinessEconomicsEconomic geographyGeographyComputer scienceMarketingCartography

Résumé

récupéré en direct d'OpenAlex

We estimate measures of economies of scale and scope for a sample of 48 Canadian universities that produce multiple outputs. Estimates have not been previously attempted for Canadian universities to our knowledge. Declining financial support from provincial governments makes finding cost efficiencies a priority for policy makers. Our approach features two useful innovations: by using panel data for 2011–2019, instead of a cross-section for a single year, there is more variation in the variables to estimate a multi-product trans-log cost function; and we consider the appropriateness of using research funding as a measure of research output by alternatively using publication counts. We did not find economies of scale at any university size but did find ray economies of scale up to 60% of the median university size. Economies of scope were evident up to roughly 1.2 times the median university size. No significant differences in results were found between using publication counts or research funding. Small institutions that cater to different outputs could be merged into comprehensive institutions. The lack of economies of scope for Canada’s larger universities suggests that they could be broken up into smaller specialized institutions if cost efficiencies are a priority.

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)0,020
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 enseignants0,973
Score d'incertitude au seuil0,225

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,011
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,031
Tête enseignante GPT0,313
Écart entre enseignants0,282 · 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
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEconomiesMême sujetEfficiency Analysis Using DEATravaux en français237 207