Un modèle des flux interrégionaux de marchandises au Canada
Bibliographic record
Abstract
Dans cet article, nous présentons un modèle des flux de marchandises entre huit régions du Canada, et pour l’ensemble des biens qui ont été regroupés en 64 catégories. Le modèle fonctionne en deux étapes. Dans un premier temps, les flux observés sont régressés sur certaines variables socio-économiques, dont le coût de transport. On obtient alors des flux « a priori », qui peuvent être modifiés lorsque les variables les expliquant sont elles-mêmes modifiées. Or, ces flux « a priori » ne respectent pas nécessairement la structure industrielle de chaque région. Pour les corriger, on résout un programme mathématique dont la fonction objectif est basée sur la théorie de l’information. On cherche alors les flux qui sont les plus proches possibles des flux « a priori », mais qui respectent également la structure industrielle de chaque région. Cette structure est représentée par des contraintes comptables input-output régionales. Le modèle peut être vu comme un modèle input-output interrégional, où les coefficients interrégionaux sont sensibles à des variations des coûts de transport. La formulation du modèle est également beaucoup plus souple et elle permet de prendre en compte d’autres facteurs explicatifs. Le modèle est testé avec des données input-output canadiennes de 1974, et il est aussi comparé à d’autres modèles.
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 | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".