Investissement et croissance de la productivité à long terme dans le secteur des entreprises au Canada, 1961 à 2002
Bibliographic record
Abstract
Le présent document s'appuie sur les bases de données servant à la construction des comptes de productivité de Statistique Canada afin d'examiner les sources de croissance dans l'économie canadienne et l'évolution de la croissance de la productivité au Canada au cours de la période de 1961 à 2002. Nous utilisons une nouvelle série chronologique fondée sur le Système de classification des industries de l'Amérique du Nord. L'analyse est structurée selon le cadre comptable de la croissance. Ce cadre fournit des estimations de l'importance relative du facteur travail, des investissements en immobilisations et de la croissance de la productivité. Les données requises pour répondre à cette question permettent également d'examiner les changements observés dans la composition des facteurs capital et travail. En outre, nous exposons les facteurs sous jacents qui déterminent la productivité du travail (productivité multifactorielle, approfondissement du capital et relèvement du niveau de compétence). Comme la base de données est construite au niveau de l'industrie, toutes ces relations peuvent être examinées au niveau tant de l'économie dans son ensemble que des différentes industries.
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 | 0.004 | 0.009 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".