Canada’s high-stakes artificial intelligence gamble: innovation policy, techno-nationalism and the political economy of jobs
Notice bibliographique
Résumé
Amid escalating geopolitical tensions and geoeconomic uncertainties, the discourse of artificial intelligence (AI)-driven growth has become tightly interwoven with new narratives of Canadian economic security and sovereignty. At the heart of this agenda lies AI adoption and commercialisation, positioned as central to national competitiveness and future prosperity. This article is part of the AI Policy Observatory for the World of Work (AIPOWW) Symposium for Global Political Economy, which offers a critical political economy analysis of Canada’s evolving AI landscape and gamble. We question the disjuncture between an emerging techno-nationalist narrative and the continuing promise of good jobs. By examining how AI in Canada has been 1) developed, 2) regulated and 3) governed through the lens of nation-building economic aspirations and innovation policy, we argue that the narrative of technological inevitability and the promise of shared prosperity and high-paying jobs remain largely unfulfilled. Considering the failed passage of the AI and Data Act (AIDA) ahead of the 2025 Canadian election, we argue that this regulatory gap creates a pivotal opportunity to orient Canada’s AI strategy beyond an emerging techno-nationalist innovation policy but also as a public good for broad-based prosperity. This shift calls for embedding accountability mechanisms, greater labour participation and public interest by re-centring rights and politics in the pursuit of safer, more secure and responsible AI for everyone.
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 | 0,001 |
| 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 ».