Croissance de la productivite dans les industries reglementees au Canada et aux Etats-Unis
Bibliographic record
Abstract
Les auteurs de cette étude comparent la croissance de la productivité d'un ensemble d'industries réglementées au Canada et aux États-Unis. À partir des données de la base de données KLEMS de Statistique Canada et de celles du Bureau of Economic Analysis des États-Unis, l'étude examine la croissance de la productivité dans les services de transport (qui incluent le transport aérien et le transport ferroviaire), la radiodiffusion et les télécommunications et les services financiers (qui incluent les intermédiaires financiers et les assurances) au cours de la période allant de 1977 à 2003. La majorité de ces industries fournissent les réseaux fondamentaux sur lesquels les autres industries s'appuient. Ces secteurs étaient assez fortement réglementés au Canada au début de la période à l'étude (1977), puis ils ont ensuite connu une déréglementation partielle au cours de la période et, enfin, ils étaient toujours soumis à un certain nombre de réglementations à la fin de la période (2003). Une déréglementation a également eu lieu aux États-Unis mais la réglementation a été généralement moins restrictive dans ce pays durant la plus grande partie de la période. Les données montrent que plusieurs industries canadiennes ayant fait l'objet d'une déréglementation ont connu une croissance de la productivité du travail et de la productivité multifactorielle plus rapide que l'ensemble du secteur des entreprises canadiennes et que leur productivité a augmenté autant, sinon plus, que celle des industries américaines correspondantes de 1977 à 2003. Il s'agit notamment du transport ferroviaire, de la radiodiffusion et
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.006 | 0.012 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".