Performance industrielle et contribution des sous-traitants nationaux : analyse du secteur aérospatial canadien dans le contexte nord-américain
Bibliographic record
Abstract
L’industrie aérospatiale présente des défis importants pour les PME impliquées à titre de sous-traitants. La prédominance des facteurs technologiques et de la concurrence internationale impose le développement d’une gamme élargie de compétences. Cet article présente les résultats d’une recherche empirique visant à identifier ces compétences. Les données sont tirées d’une enquête réalisée auprès de 273 petites et moyennes entreprises localisées sur le territoire nord-américain (Canada et États-Unis) et impliquées dans ce secteur. Les résultats montrent des écarts importants entre les firmes des deux pays, en particulier chez les firmes de taille moyenne. Les PME canadiennes s’écartent peu du profil de sous-traitant traditionnel alors que les firmes américaines affichent un comportement nettement plus proactif, autant sur le plan organisationnel que technologique. Étant donné le succès récent de plusieurs donneurs d’ordres canadiens sur les marchés étrangers, les résultats de cette étude soulèvent de nombreuses interrogations quant à la capacité des firmes sous-traitantes à contribuer à ce succès.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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 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".