Niveaux relatifs de productivite multifactorielle au Canada et aux Etats-Unis: une analyse sectorielle
Bibliographic record
Abstract
L'objectif de cette étude est triple. Pour commencer, nous examinons le niveau de la productivité multifactorielle (PMF) au Canada comparativement aux États-Unis pour la période allant de 1994 à 2003. Puis, nous déterminons l'importance relative des différences d'intensité du capital et de PMF en tenant compte des différences de productivité du travail entre les deux pays. Enfin, nous remontons jusqu'au niveau de l'industrie pour établir les différences de PMF entre le Canada et les États-Unis et nous estimons les contributions respectives des secteurs des biens, des services et du génie à l'écart global de PMF. Nos principales constatations sont les suivantes. Premièrement, l'intensité globale du capital est aussi forte au Canada qu'aux États-Unis. Cependant, au Canada, l'intensité du capital varie considérablement selon la catégorie d'actifs. Le Canada possède nettement moins de machines et de matériel, environ la même quantité de bâtiments et beaucoup plus de travaux de génie. Deuxièmement, la plupart des différences de productivité du travail entre le Canada et les États-Unis sont imputables aux différences de PMF. Troisièmement, nos résultats par industrie montrent que les niveaux de la productivité du travail et de la PMF dans les secteurs canadiens des biens et du génie sont proches de ceux observés aux États-Unis. Par contre, dans le secteur des services, les niveaux de productivité du travail et de PMF sont nettement plus faibles au Canada, situation qui explique la plupart de la différence de niveau global de productivité entre les deux pays.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.004 |
| Insufficient payload (model declined to judge) | 0.001 | 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 teacher head, 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".