Bibliographic record
Abstract
L'industrie de l'édition du logiciel joue un rôle central au sein des technologies de l'information et de communications (TICs). L'économie du savoir demeure une voie d'avenir incontournable et la vitalité nationale de l'industrie de l'édition de logiciels semble comporter plusieurs enjeux stratégiques. Nous constatons une animation certaine parmi les entreprises du domaine. Il semble exister une grande turbulence parmi celles-ci. L'objectif du mémoire est d'obtenir des informations approfondies qui aideraient à comprendre la dynamique industrielle de ce secteur. Plus précisément, ce mémoire dépeint la turbulence observée parmi les classements des cent plus grandes entreprises indépendantes d'édition de logiciels au Canada. La période de l'étude s'étend entre les années 1993 et 2005. Il s'agit d'examiner la mouvance des firmes dans l'industrie, c'est-à-dire d'examiner le flux des entrées et des sorties de celles-ci et d'identifier les causes. Cette recherche a été possible grâce à l'analyse des données recueillies et classées par la boîte de consultation ontarienne Branham Group entre les années 1994 et 2004. Nous avons complété ces données par des investigations supplémentaires. Celles-ci ont été utiles pour connaître la trajectoire temporelle de chacune de ces firmes. Il fut ensuite envisageable de faire des analyses plus poussées en incorporant le statut de ces firmes. Les résultats de la recherche démontrent que la turbulence est élevée et qu'elle provient en grande partie des activités de F-As. Les entreprises étrangères sont en partie responsables de celles-ci. Il semble qu'elles se procurent un bon nombre des compagnies qui ont généré les plus hauts revenus au cours de la période étudiée. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Industrie canadienne de l'édition du logiciel, Turbulence industrielle, Activités de fusions et acquisitions (F-A).
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 | 0.003 | 0.022 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.008 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.012 | 0.012 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.018 | 0.003 |
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".