La géographie de la croissance d’emploi en France à l’aune de processus Nord-Américains : vers une théorisation du contexte
Bibliographic record
Abstract
Même si, au niveau national, l’augmentation du PIB est un objectif de développement important, pour les communautés locales c’est souvent la capacité à générer et/ou à maintenir l’emploi qui en assure la pérennité. Un courant important de la littérature se penche sur les particularités locales et sur le lien entre territoire et développement local – notamment la création d’emploi. Un autre courant cherche à comprendre les dynamiques générales qui régissent la répartition géographique de la création d’emploi. Cet article se place dans ce deuxième courant. Partant d’une approche développée dans un contexte canadien, deux questions sont posées :1) dans quelle mesure une approche conçue pour comprendre la géographie de la croissance d’emploi au Canada est elle pertinente pour la France ?2) quels sont les facteurs qui régissent la géographie du développement en France entre 1982 et 2006 ?Nous montrons que, bien que l’approche d’outre atlantique permette de saisir les dimensions géographiques du développement en France, les logiques géographiques françaises sont différentes. Ce paradoxe apparent met en exergue l’importance de développer des approches théoriques méso, qui se situeraient entre les approches par le territoire et les approches universalistes de l’économie géographique, et qui permettraient d’appréhender les effets de contexte.
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 | 0.003 | 0.005 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".