MESURE DE LA PRODUCTION BANCAIRE, RATIONALISATION ET EFFICACITÉ DES CAISSES POPULAIRES DESJARDINS
Bibliographic record
Abstract
Il est déjà connu que les scores d’efficacité des institutions financières varient selon la manière dont on mesure leur production et le nombre de facteurs de production retenus. Nous étudions l’impact des produits transactionnels, une dimension presque toujours négligée dans les études empiriques, sur les scores d’efficacité des Caisses populaires Desjardins du Québec. Nos résultats confirment que, tant dans une approche de production que d’intermédiation, l’élargissement de l’output pour inclure les produits transactionnels réduit de manière significative l’inefficacité mesurée. Nous montrons également que le classement des caisses entre elles change, et parfois de façon extrêmement importante. Lorsqu’on prend une mesure large de la production, les écarts d’efficacité technique qui subsistent deviennent faibles et semblent intimement liés à l’environnement économique. Une part significative de l’inefficacité mesurée s’explique donc par une mesure incomplète de la production ou découle de contraintes externes sur lesquelles le management n’a pas prise. Enfin, nous utilisons un modèle complet de coût d’opération et de coût total pour évaluer l’effet du programme de rationalisation sur l’efficacité des caisses populaires.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| 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".