Investissement en actifs incorporels au Canada: depenses de R-D, d'innovation, d'image de marque et de prospection miniere, petroliere et gaziere
Bibliographic record
Abstract
Le présent document fournit des estimations de l'investissement en actifs incorporels au Canada dans les domaines de l'innovation, de la publicité et de l'extraction de ressources naturelles. Il prolonge avant tout les travaux de Beckstead et Gellatly (2003), Baldwin et Hanel (2003), Beckstead et Gellatly (2003), Beckstead et Vinodrai (2003), ainsi que Baldwin et Beckstead (2003) qui soutiennent que la portée des activités d'innovation s'étend au delà de la recherche et développement telle qu'elle est définie dans le Manuel de Frascati. Ces auteurs élargissent la définition des activités d'innovation afin d'y inclure toutes les dépenses scientifiques et en génie, que les services soient obtenus sur le marché ou produits par l'entreprise. Ils examinent aussi les dépenses en éléments d'actif incorporels, tels que les marques ou l'exploration des ressources naturelles. Le document contribue à la littérature existante grâce à la présentation d'estimations de l'investissement en actifs incorporels (connaissances en science et en génie, publicité, prospection minière et pétrolière par industrie) en s'appuyant sur des bases de données de Statistique Canada dont la haute qualité et la cohérence interne sont établies. Les estimations produites concordent avec les résultats d'autres études sur les investissements incorporels (Corrado, Hulten et Sichel, 2005, 2006; Jalava, Ahmavarra et Alanen, 2007) et montrent que l'investissement de type R D classique représente environ le quart des investissements incorporels dans le domaine des sciences et du génie.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".