Analyse de la demande des produits forestiers et modèle conceptuel
Notice bibliographique
Résumé
L'évolution de l'environnement d'affaire de l'industrie des produits forestiers semble avoir un impact important sur les tendances du marché, et contribue à créer des incertitudes en ce qui a trait aux tendances de la demande. Alors que de nouveaux produits forestiers sont apparus, le comportement des consommateurs et certains facteurs externes semblent réorienter les tendances de la demande de certains produits traditionnels. Pour cela, les entreprises du secteur cherchent continuellement à améliorer leur compréhension du marché et à prévoir les tendances futures de la demande. C'est dans cette optique que s'insère cette maîtrise dont le but est d'analyser le marché des produits forestiers, et de concevoir un outil prévisionnel de la demande pour faciliter la prise de décision stratégique des entreprises forestières. Grâce à ces prévisions, les entreprises seront en mesure de prévoir les fluctuations de la demande, ainsi que leur besoin d'approvisionnement. Pour ce faire, une revue systématique de la littérature a été menée pour décrire le marché des produits forestiers, et identifier les facteurs capables de l'impacter. Ensuite, des modèles prévisionnels de la demande et des exportations du bois d'œuvre québécois ont été développés à l'aide de la technique de régression multiple. Les modèles obtenus ont démontré leur aptitude à prévoir la demande et les exportations du bois d'œuvre avec des RMSE de 0,12 et de 0,08 respectivement, et des MAE de 0,1 et 0,06 respectivement sur un ensemble test. Finalement, un portrait général de la concurrence a été élaboré pour l'industrie du sciage au Canada, avec un accent sur la province de Québec. Ceci inclut une description des principaux concurrents dans le domaine, ainsi qu'une analyse de l'évolution de la part canadienne dans le marché américain du bois d'œuvre. L'étude a donc permis de fournir une vue d'ensemble sur les tendances du marché des produits forestiers, la concurrence dans l'industrie du sciage et les facteurs qui les influencent. Elle a de plus proposé un outil de visualisation des données, qui a pu mettre en relief les prévisions dégagées des modèles prévisionnels, tout en facilitant l'interprétation des données, grâce aux graphiques interactifs.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».