Bibliographic record
Abstract
Résumé Cet article relate certains faits marquants de l’histoire récente de trois domaines d’application des mathématiques en gestion, soit la statistique, la recherche opérationnelle et l’ingénierie financière. Il décrit des perspectives de développements futurs dans chacun de ces domaines. La première partie se concentre sur le développement de méthodes statistiques essentielles au monde des affaires, à partir des travaux de Ronald A. Fisher en 1925. La deuxième partie retrace les applications de la recherche opérationnelle depuis son émergence durant la Deuxième Guerre mondiale : tout d’abord militaires, puis industrielles, et finalement pour la planification des transports. On y trouve également une chronologie de l’élaboration des diverses méthodes de la recherche opérationnelle. La troisième partie raconte l’évolution de la finance mathématique à partir des travaux de Louis Bachelier en 1900. On y décrit les techniques mathématiques utilisées dans le domaine de la finance au cours des dernières décennies et on explique comment l’utilisation croissante des méthodes quantitatives en finance a donné naissance à une nouvelle profession, l’ingénierie financière. Les défis rencontrés aujourd’hui dans ces disciplines sont liés à la taille et à la complexité grandissantes des problèmes et des structures de données, à l’intégration de l’information, à la prise en considération de l’incertitude et à la gestion intégrée du risque.
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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.002 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.001 |
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".