Tendances nationales et regionales des faillites d'entreprises, 1980 a 2005
Bibliographic record
Abstract
Le présent document donne un aperçu de la tendance à long terme des faillites d'entreprises au Canada , examine l'évolution de la fréquence des faillites selon la région en réaction aux tensions suscitées par les fluctuations économiques, et analyse la relation entre la fréquence des faillites et la santé économique des régions. Au cours des 25 dernières années, les entreprises canadiennes ont connu plusieurs périodes tumultueuses. Après 2 décennies de forte multiplication des faillites causée par 2 récessions importantes et l'entrée en vigueur de 2 accords de libre échange durant les années 1980 et les années 1990, en 2005, la fréquence des faillites était retombée au niveau observé au début des années 1980. Parallèlement, les écarts entre les taux de faillites en Ontario, au Québec et en Colombie Britannique ont diminué, à mesure qu'a convergé l'intensité des faillites dans ces 3 provinces. Tout au long de la période, les taux de faillites dans ces 3 provinces ont évolué en harmonie avec les taux de chômage observés dans la plupart des provinces. Font exception l'Alberta et la Nouvelle Écosse, où les taux de faillites ont augmenté nettement au début des années 1990.
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 | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".